[发明专利]一种基于动态全局LPP的工业过程监测方法

说明书

本发明涉及一种基于动态全局LPP的工业过程监测方法。本发明首先离线建模，收集化工过程正常工作的传感器数据作为训练数据，并执行DGLPP算法，确定投影矩阵和统计量控制限。然后在线监测，采集在线新样本，进行DGLPP处理，计算监测统计量并与离线建模时的控制限对比，本发明在LPP中引入了全局约束条件的同时将原始数据进行动态矩阵拓展，加强了算法的全局特性和动态特性。

技术领域

本发明属于自动化技术领域，涉及一种基于动态全局LPP的工业过程监测方法。

背景技术

作为现代工业过程的重要组成部分，过程监测发挥着重要的作用，目前已经出现了大量的基于数据驱动的过程监测方法来检测故障。作为常用的数据降维方法，局部保留投影(LPP)已经被广泛应用于过程监测。传统的LPP方法大都隐含假设某一时刻的观测值与过去时刻的观测值在统计上是独立的。在实际的化学和生物过程中，由于其动态和非线性的特点，这些假设是无效的。然而LPP仍然是一种有效简单的数据提取方法，所以可以构建新的统计监测模型来充分发挥LPP的优势。

发明内容

本发明针对现有技术的不足，提供了一种基于动态全局LPP的工业过程监测方法。

本发明解决技术问题所采取的具体技术方案如下：

步骤1：离线建模，收集化工过程正常工作的传感器数据作为训练数据，并执行DGLPP算法，确定投影矩阵和统计量控制限。

具体步骤：

1.1收集化工过程正常工作的数据作为训练数据X，构造进行DGLPP所需的新数据矩阵X_NEW＝[X(k)X(k-1)…X(k-L)]∈R^n×(m×L)。

其中X有m个变量和n个采样数据。X(k-L)为前L个采样时刻的数据矩阵，L为延时参数，一般为1或为2，根据实际情况确定。

1.2由于过程中采集到的数据可能存在单位不一致，数值相差过大等问题，对1.1中新的矩阵进行标准化，

其中表示过程数据各变量的均值建立的均值矩阵，表示标准化后的过程数据矩阵。

1.3根据经验选择合适的DGLPP参数，执行如下DGLPP得到投影矩阵A。

首先根据LPP的目标函数，同理易得到DGLPP的目标函数：

其中未知数具体代表意义或求法如下：

M＝H-R

H_ii＝∑_jR_ij

其它或

其它且

x_i表示的第i个样本。Ω()表示K邻域。W_ij和分别表示W和的第i行第j列的元素值，I表示单位矩阵。η为加权系数，用以调节全局和局部的“侧重程度”。σ₁和σ₂为根据经验人为设定的参数，用以调节监测能力。W和分别代表局部和全局的权重矩阵。H为对角矩阵，对角值为R每列的和。

因此优化问题可以通过下式求出：

易知和λ为的特征向量和特征值。因为目标函数求最小值，所以我们需要选择最小的l个(保留的主成分个数)特征值对应的特征向量组成投影矩阵A∈R^(m×L)×l。

1.4建立基于DGLPP的NOC模型。