[发明专利]一种基于相关特征分析的复杂化工过程状态监测方法

权利要求书

1.一种基于相关特征分析的复杂化工过程状态监测方法，其特征在于，包括以下步骤：

首先，离线建模阶段包括如下所示步骤(1)至步骤(7)；

步骤(1)：利用化工过程中安装的测量仪表采集该化工过程正常运行状态下的N个样本数据x₁，x₂，…，x_N，其中，第i个采样时刻的样本数据x_i∈R^m×1由m个测量数据组成，包括温度，压力，流量，液位、阀门开度、和功率的测量数据，i∈{1，2，…，N}，R^m×1表示m×1维的实数向量；

步骤(2)：对x₁，x₂，…，x_N实施标准化处理，得到数据向量并组建训练数据矩阵

步骤(3)：将X均分成C个子矩阵X₁，X₂，…，X_C，各个子矩阵都是m×n维的实数矩阵，其中，X_c∈R^m×n，下标号c∈{1，2，…，C}，R^m×n表示m×n维的实数矩阵，N＝n×C；

步骤(4)：实施相关特征分析，从而得到相关特征的变换矩阵W₁∈R^m×D和差异特征的变换矩阵W₂∈R^m×(m-D)，其中，R^m×(m-D)表示m×(m-D)维的实数矩阵；

步骤(4.1)：初始化矩阵U∈R^m×m中所有元素都为0，初始化下标号d＝1，并初始化u_d为任意m×1维的实数向量；

步骤(4.2)：依次根据公式u_d＝(I-UU^T)Θ_du_d与u_d＝u_d/||u_d||更新特征向量u_d，直至u_d收敛，其中I表示m×m维的单位矩阵，矩阵Θ_d的计算方式如下所示：

上式中，Φ＝(XX^T)^-1/2，下标号b∈{1，2，…，C}，下标号c∈{1，2，…，C}，上标号T表示矩阵或向量的转置符号，标量H_bc的取值如下所示：

步骤(4.3)：将特征向量u_d做为U的第d列的列向量后，再判断是否满足条件d＜m；若是，则设置d＝d+1后，返回步骤(4.2)；若否，则得到m个特征向量u₁，u₂，…，u_m；

步骤(4.4)：根据如下所示公式计算特征值λ₁，λ₂，…，λ_m：

上式中，d∈{1，2，…，m}；

步骤(4.5)：对λ₁，λ₂，…，λ_m进行降序排列后，将最大的D个特征值所对应的特征向量组成矩阵U₁∈R^m×D，并将剩余的m-D个特征向量组成矩阵U₂∈R^m×(m-D)；

步骤(4.6)：分别根据公式W₁＝ΦU₁与W₂＝ΦU₂计算相关特征的变换矩阵W₁∈R^m×D与差异特征的变换矩阵W₂∈R^m×(m-D)；

步骤(5)：根据公式ψ＝diag{X^TW₁W₁^TX^T}计算监测指标向量ψ∈R^N×1后，利用核密度估计法确定出在置信限α条件下的控制限ψ_lim，其中diag{ }表示将大括号内的矩阵对角线元素转变成列向量的操作；

步骤(6)：根据公式计算差异特征向量v₁，v₂，…，v_N后，按照如下所示步骤(6.1)至步骤(6.3)获取N×1维的监测指标向量Q∈R^N×1；

步骤(6.1)：初始化i＝1；

步骤(6.2)：从N个差异特征向量v₁，v₂，…，v_N中搜寻出与v_i距离最近的K个差异特征向量，分别记做z_i(1)，z_i(2)，…，z_i(K)；

步骤(6.3)：根据如下所示公式计算监测指标向量Q∈R^N×1中的第i个元素Q(i)：

上式中，||v_i-z_i(k)||²＝(v_i-z_i(k))^T(v_i-z_i(k))，k∈{1，2，…，K}；

步骤(7)：利用核密度估计法确定出监测指标向量Q在置信限α条件下的控制限Q_lim；

其次，在线状态监测包括如下所示步骤(8)至步骤(13)；

步骤(8)：在最新采样时刻t，采集化工过程对象的样本数据x_t∈R^m×1，并对其实施与步骤(2)中相同的标准化处理，得到数据向量

步骤(9)：根据公式与分别计算相关特征向量s_t与差异特征向量后，再根据公式计算监测指标ψ_t；

步骤(10)：从N个差异特征向量v₁，v₂，…，v_N中搜寻出与距离最近的K个差异特征向量，分别记做z_t(1)，z_t(2)，…，z_t(K)；

步骤(11)：根据如下所示公式计算监测指标Q_t：

上式中，

步骤(12)：判断是否满足条件：ψ_t≤ψ_lim且Q_t≤Q_lim；若是，则当前采样时刻该化工该过程运行未出现异常，返回步骤(8)继续实施对下一最新采样时刻的状态监测；若否，则执行步骤(13)从而决策是否出现异常；

步骤(13)：返回步骤(8)继续实施对下一最新采样时刻的状态监测，若连续3个最新采样时刻的监测指标都不满足步骤(12)中的判断条件，则触发异常状态警报；否则，不触发异常状态警报，并返回步骤(8)继续实施对下一最新采样时刻的状态监测。