[发明专利]考虑两维动态特性的间歇过程故障检测方法及系统

说明书

本发明提供了考虑两维动态特性的间歇过程故障检测方法及系统。其中该方法包括利用两维动态核慢特征分析模型的负荷矩阵提取测试数据的低维特征信息，计算测试数据在主元空间和残差空间的监控统计量；依据监控统计量与相应控制限的比较结果，判断间歇过程是否发生故障；其中，利用自回归移动平均时间序列模型对三维训练数据集中的每个批次数据集扩展，得到对应增广批次数据集；训练数据为间歇过程的正常操作工况数据；将增广批次数据集非线性映射到高维特征空间，建立时间动态核慢特征分析模型，再引入核函数技巧计算核矩阵和时间变化核矩阵，基于全局建模策略计算总平均核矩阵和总时间变化核矩阵，构建出两维动态核慢特征分析模型。

技术领域

本发明属于动态非线性多变量间歇过程故障检测技术领域，尤其涉及一种考虑两维动态特性的间歇过程故障检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

由于间歇过程日益趋于高集成、大规模化和复杂化，间歇过程的故障检测已经成为保证其安全稳定运行的关键技术。随着现代计算机控制技术的发展，间歇过程中采集并存储了丰富的过程运行数据。因此，基于数据驱动的故障检测技术逐渐成为间歇过程监控领域的研究热点。研究人员提出了一系列基于数据驱动的故障检测方法，比如主元分析(PCA)、偏最小二乘(PLS)和典型变量分析(CVA)等。然而间歇过程在本质上具有两维动态特性(批次维度的动态特性和时间维度的动态特性)和显著的非线性特征，上述提到的监控方法在对间歇过程进行故障检测时具有很大的局限性。因此针对间歇过程的两维动态特性和非线性特征，如何从测量数据中提取出有用的特征信息以监控间歇过程的运行状态是一个挑战性的研究课题。

为了提取间歇过程数据中固有的动态时变特征，基于慢特征分析(SFA)的方法逐渐被引入间歇过程故障检测领域。近几年来，慢特征分析作为一种有效的间歇过程故障检测技术，引起了国内外研究人员的广泛关注。该方法能够从间歇过程的动态时变数据中提取出缓慢变化的低维特征信息，表征导致间歇过程动态时变的潜在驱动力，在一定程度上解决了间歇过程数据的动态时变特性。虽然慢特征分析技术在间歇过程的故障检测领域取得了一定的应用成果，但是发明人发现，慢特征分析技术在间歇过程的故障检测领域的缺点在于：(1)间歇过程在本质上具有两维动态特性：批次维度的动态特性和时间维度的动态特性，虽然慢特征分析能够处理间歇过程时间维度上的动态特性，但是无法消除间歇过程批次维度上的动态特性，会影响故障检测的效果。(2)慢特征分析实际上是一种线性降维方法，无法处理间歇过程的强非线性特征，降低了故障检测的性能。

发明内容

为了解决上述问题，本发明提供一种考虑两维动态特性的间歇过程故障检测方法及系统，其首先将自回归移动平均时间序列模型和核函数技巧融入到慢特征分析方法中构造时间动态核慢特征分析技术，处理间歇过程的强非线性和时间维度上的动态特性；然后将全局建模策略与时间动态核慢特征分析相结合构造两维动态核慢特征分析技术，进一步消除间歇过程不同批次间的动态变化和随机偏移，有效解决批次维度上的动态特性；最后基于提取出的低维慢特征信息，在主元空间和残差空间分别构建监控统计量，实时监控间歇过程的运行状态，能够提高间歇过程故障实时检测的性能。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种考虑两维动态特性的间歇过程故障检测方法。

一种考虑两维动态特性的间歇过程故障检测方法，包括：

利用两维动态核慢特征分析模型的负荷矩阵提取测试数据的低维特征信息，计算测试数据在主元空间和残差空间的监控统计量；所述测试数据为间歇过程的不同工况数据；

依据监控统计量与相应控制限的比较结果，判断间歇过程是否发生故障；

其中，负荷矩阵由求解两维动态核慢特征分析模型的最优化问题所对应的广义特征向量构造而成；两维动态核慢特征分析模型的构建过程为：