[发明专利]一种基于故障敏感慢特征的多块故障监测方法

说明书

本发明公开了一种基于故障敏感慢特征的多块故障监测方法，包括，采集工业生产系统中的数据，并将所得数据划分为训练集和测试集；对训练集进行慢特征分析，计算出慢特征变换矩阵；定义故障敏感程度系数，并由慢特征变换矩阵中的系数得出各慢特征对故障的敏感程度；定义故障敏感程度阈值，对训练集每一维变量进行故障敏感慢特征的选取，并作为训练子块；本发明通过对统计量计算公式的分析，定义故障敏感程度系数，对慢特征进行重新排序，选择变量方向上对故障最敏感的慢特征，并对每一维变量进行敏感慢特征的选择并进行并行监测，能够有效实现多个维度动态及大规模过程上有效的监测。

技术领域

本发明涉及的工业生产过程故障监测和诊断技术领域，尤其涉及一种基于故障敏感慢特征的多块故障监测方法。

背景技术

现代工业生产过程对产品质量和安全性的要求日益提高，若复杂工业过程发生故障，则会造成巨大的损失，因此对过程进行有效的监控至关重要。随着传感和检测技术飞速发展，工业生产的信息化程度不断提高，产生了大量的生产过程数据，因而多元统计过程监控(MSPM)方法得到了广泛应用。其中主元分析法(PCA)、偏最小二乘(PLS)和独立元分析(ICA)等是比较经典的多元统计监控方法；然而这些方法都无法有效解决动态和大规模问题。

传统的MSPM方法是静态过程监视方法，认为样本彼此独立，换言之，当前时刻的样本与过去时刻的样本无关。但是，由于工业过程非常复杂并且具有未知的动态特性，因此静态监视方法将忽略重要的过程动态信息，从而导致监视性能不佳。

以大规模和多个操作单元为特征的现代生产过程越来越多，而当这样的生产过程发生故障时，可能只有部分变量受到影响，这时若只建立全局模型，那么局部信息可能会被淹没，因此，多块或分布式过程监控成为一种有效的解决方案。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有故障监测方法不能有效对动态及大规模过程进行监测，提出了本发明。

因此，本发明目的是提供一种基于故障敏感慢特征的多块故障监测方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于故障敏感慢特征的多块故障监测方法，包括，

采集工业生产系统中的数据，并将所得数据划分为训练集和测试集；

对训练集进行慢特征分析，计算出慢特征变换矩阵；

定义故障敏感程度系数，并由慢特征变换矩阵中的系数得出各慢特征对故障的敏感程度；

定义故障敏感程度阈值，对训练集每一维变量进行故障敏感慢特征的选取，并作为训练子块；

对每一个训练子块分别计算故障统计量，并采用支持向量数据描述模型计算出超球体半径作为故障控制限；

对每一个测试样本分别计算出故障统计量，带入支持向量数据描述模型中计算出距离球心的距离，通过比较与球心距与半径大小判断是否产生故障。

其中：对训练集进行慢特征分析，计算出慢特征变换矩阵的步骤如下：

给定一个m维的时序信号，并按照由慢到快的顺序进行排列；

取慢特征的问题转为优化问题；

对线性慢特征分析进行变换；

采用SVD分解对数据作白化处理；

将优化问题转化为求解正交矩阵；

根据白化矩阵和正交矩阵获取慢特征变换矩阵；