[发明专利]基于多块投影非负矩阵分解的化工生产过程监控方法

权利要求书

1.一种基于多块投影非负矩阵分解的化工生产过程监控方法，用于处理化工生产过程中在多个物理量监测点获取的物理量数据，以识别出与故障相关的物理量数据，所述物理量监测点监测的物理量包括温度、压力、液位、流体速度和流量中的至少一种，其特征在于，包括以下步骤：

步骤一，MPNMF模型的建立

(1)获取化工生产过程中m个物理量监测点监测的物理量的n个历史正常样本，并构建矩阵X′＝[x₁,x₂,…,x_m]∈R^n×m,将X′的每一列减去这一列所有样本数据的均值，然后除以这一列所有样本数据的标准差，最后对矩阵里面的每个处理后的数据取绝对值，得到矩阵X；

(2)应用全链接算法把矩阵X分为B个子块，即X＝[X₁,X₂,…,X_B]，子块d_b(b＝1,2,…,B)是属于子块X_b(b＝1,2,…,B)内的物理量监测点的个数且满足

(3)应用PNMF模型的故障监测方法获得每个子块X_b(b＝1,2,…,B)的统计量N_b²及其控制限统计量SPE_b及其控制限SPE_b,lim；

应用PNMF模型获取每个子块X_b(b＝1,2,…,B)统计量N_b²及其控制限统计量SPE_b及其控制限SPE_b,lim的方法包括以下步骤：

(3a)建立每个子块X_b(b＝1,2,…,B)的PNMF模型，建立的转置矩阵利用PNMF算法把分解为非负矩阵和的乘积，其中，W_b为每一个子块的基矩阵，的值应无限接近于单位矩阵，k_b为降维的阶次，且满足不等式(d_b+n)k_b＜d_bn，则PNMF监控模型为：

(3b)采用下式中的欧氏距离来衡量上式两边的接近程度，则PNMF算法的目标函数如下：

该目标函数的迭代公式为：

其中(□)_ia指的是取括号内矩阵的第i行第a列的值；

(3c)确定W_b的最优值：由给定的W_b初值，利用迭代公式(3)进行更新迭代，直到这个矩阵不再变化时，结束迭代，获得最优的W_b；

(3d)使用核密度估计KDE获取统计量的控制限统计量SPE_b的控制限SPE_b,lim：在该监控模型中，统计量N_b²与统计量SPE_b的计算公式如下：

其中x_b∈R^m为物理量监测点的采集物理量，

步骤二：在线过程监控

(4)在线采集化工生产过程中m个物理量监测点的物理量数据x′_new∈R^m，将x′_new中的第i(i＝1,2,…,m)个值减去矩阵X′第i列所有样本数据的均值，然后除以第i列所有样本数据的标准差，对处理后的每个x′_new数据取绝对值，得到预处理后的x_new；把x_new的数据对应到步骤(2)的子块内，形成B个子块，即x_new＝[x_1,new,x_2,new,…,x_b,new]，子块x_b,new(b＝1,2,…,B)；

(5)使用PNMF模型的故障监测方法计算每一个子块x_b,new的统计量统计量SPE_b,new；

(6)根据贝叶斯推理构造贝叶斯统计量：

其中N和F分别代表正常状况和故障状况，统计量N²和统计量SPE对应正常和故障条件下的概率分别为：

统计量N²和统计量SPE对应的故障概率分别为：

其中为置信水平α(0＜α＜1)，为1-α，P_SPE(N)为置信水平α(0＜α＜1)，P_SPE(F)为1-α；

(7)将贝叶斯统计量贝叶斯统计量BIC_SPE分别与控制限1-α相比较，超出控制限的部分即有故障发生；

(8)检测到故障后，计算所有子块x_b,new(b＝1,2,…,B)中物理量数据i的加权重构贡献值

其中ξⁱ是单位矩阵的第i列，C_b取步骤(3d)中的C_b值；

(9)比较所有子块x_b,new(b＝1,2,…,B)中每个物理量数据的数值较大的对应的物理量数据是发生故障时的物理量数据。