[发明专利]通过最小二乘算法即时在线仪表校验和诊断方法

权利要求书

1.一种通过最小二乘算法即时在线仪表校验和诊断方法，其特征在于包括以下步骤：

S1、通过流体力学连续性方程、动量方程和能量方程，搭建流网模型，包括流道模型和设备组件模型；

首先流动方程简化为F＝1-K₀)*a₁*(P₁-P₂-KZ)+K₀*F^1p

其中，线性化系数

其中，是来自上次迭代的压力，KZ＝ρg(Z₂-Z₁)，式中，ρ为流体密度，g为重力加速度，Z₁为点1处的标高，Z₂为点2处的标高；F^1p＝上次迭代得到的值F；K₀为用户可选择的常数，可通过调整K₀获得数值求解的稳定性；a为流量系数；

在上式中，F、P₁和P₂为未知量，高度差KZ是系统常数，其余项是上次迭代得到的值，可认为是已知量；

还设置质量平衡方程，式中流入节点为(+)号，流出节点为(－)号；

S2、由现场实际测量数据迭代，通过最小二乘算法计算确定模型中的参数，使模型可用；

根据步骤S1形成的矩阵方程组，将对F(F₃)值的计算产生影响的因素作为模型输入，F值作为输出；

S3、定期重启上述步骤，对模型参数进行优化，从而重新适应新的工况条件，使模型自主学习与维护；

S4、利用上面步骤得到的模型，在稳定流场状态下，对采样的变量进行逐一校验；

S5、排除掉疑似失效点后利用其余数据进行逆迭代运算，反向推导出疑似失效点的理论计算值；

S6、排除工艺条件变化，用上述理论计算值对实际仪表信号进行比较分析，采用预定义故障模式和偏差评价，得出实际信号的偏离参量，通过阀值判断、模糊逻辑、故障假设校验，实现校验与故障诊断，确定信号健康水平；

S7、按照测量时间，记录采样信号和计算信号，并按照流网知识库、仪表故障特征库的诊断条件实现报警及定位故障。

2.根据权利要求1所述的通过最小二乘算法即时在线仪表校验和诊断方法，其特征在于：对模糊方程隶属度进行确定；

设模糊方程系统有c^*个模糊群，模糊群k,j的中心分别为v_k、v_j，则第i个训练样本X_i对于模糊群k的隶属度μ_ik为：

式中，n为模糊分类过程中需要的分块矩阵指数，通常取作2；‖·‖为范数表达式；

使用以上隶属度μ_ik或者它的变形以获得新的输入矩阵；

对于模糊群k，其输入矩阵变形为：

φ_Ik(X_i,μ_ik)＝[1 func(μ_ik)X_i]

其中，func(μ_ik)为隶属度μ_ik的变形函数，一般取φ_ik(X_i,μ_ik)表示第i个输入变量X_i及其模糊群k的隶属度μ_ik所对应的新的输入矩阵；

以最小二乘支持向量机作为模糊方程系统的局部方程，对每个模糊群进行优化拟合；设模型训练样本的第i个目标输出为F_i，加权重的支持向量机通过变换把拟合问题等价于二次规划问题；

同时定义拉格朗日函数：

其中，R(ω,ξ)是优化问题的目标函数，minR(ω,ξ)是优化问题的目标函数的最小值，是非线性映射函数，N是训练样本数，ξ＝{ξ₁,…,ξ_N}是松弛变量，ξ_i是松弛变量的第i个分量，α_I是对应拉格朗日乘子的第i个分量，ω是支持向量机超平面的法向量，b是相应的偏移量，而ω_I和γ分别是最小二乘支持向量机的权重和惩罚因子，上标T表示转置，μ_ik表示训练样本X_i对于模糊群k的隶属度，φ_ik(X_i,μ_ik)表示第i个输入变量X_i及其模糊群k的隶属度μ_ik所对应的新的输入矩阵；

由上可推导出模糊群k在训练样本i的输出为：

其中为模糊群k在训练样本i的输出，K·是最小二乘支持向量机的核函数，这里K·取线性核函数，μ_mk表示第m个训练样本X_m对于模糊群k的隶属度，φ_mk(X_m,μ_mk)表示第m个输入变量X_m及其模糊群k的隶属度μ_mk所对应的新的输入矩阵，α_m是对应的拉格朗日乘子的第m个分量。