[发明专利]一种基于统计量模式分析的k近邻过程监控方法

说明书

本发明公开了一种基于统计量模式分析的k近邻过程监控方法，属于工业过程监控与故障诊断领域。本发明主要解决统计量模式分析框架下，对具有非高斯性的统计量进行过程监控的问题。包括以下步骤：一、收集过程历史运行数据，利用统计量模式分析方法从中提取统计量特征；二、根据k近邻算法，确定检测控制限；三、采集在线测量数据，并从中提取统计量特征，得到统计量检测样本，计算统计量检测样本的平均累积距离，并与检测控制限进行比较，如果超出控制限，则系统报警，提示过程存在故障。本发明可以在继承统计量模式分析优势的同时，解决统计量的非高斯性问题，减少故障造成的损失，提高过程运行的安全性。

技术领域

本发明属于工业过程监控与故障诊断领域，特别涉及一种基于统计量模式分析的k近邻过程监控方法。

背景技术

对于过程监控问题，传统的方法主要采用基于数据驱动的多变量统计过程监(Multivariate Statistical Process Monitoring,MSPM)技术，其中基于主元分析(Principal Component Analysis,PCA)的过程监控方法应用最为广泛。但是基于PCA的这一类传统方法存在以下两个问题：(1)仅考虑了过程变量的低阶统计量信息(均值、协方差)，忽略了数据中的高阶统计量信息；(2)该方法中控制限的计算是基于过程变量服从多元高斯分布的假设，但是，实际工业过程数据存在的非线性、多模态、非高斯、动态性等问题使得这一假设很难得到满足。

针对(1)、(2)两个问题，现有的技术是基于统计量模式分析(Statistics PatternAnalysis,SPA)的PCA监控方法，该方法通过从过程变量中提取各阶统计量特征(包括低阶和高阶)，然后对统计量应用PCA进行过程监控，其中利用SPA框架得到的统计量近似服从多元高斯分布，相比于利用原始变量进行过程监控有了一定的进步性。但是，需要指出的是，这些统计量并不是严格满足多元高斯分布，且统计量之间的独立性也无法得到保证。所以，为了解决现有技术存在的这些问题，应当发展一种可以处理统计量非高斯性的故障检测技术。

发明内容

本发明的目的在针对现有技术的不足，提供一种基于统计量模式分析的k近邻过程监控方法。

本发明的目的是通过以下技术方案来实现的：

一种基于统计量模式分析的k近邻过程监控方法，该方法包括以下各步骤：

步骤一：离线训练，收集过程正常运行工况的数据，通过统计量模式分析方法从中提取统计量特征，得到统计量样本集，然后计算该样本集中每个样本与它们k近邻的平均累计距离，最后确定控制限；

步骤二：在线监控，通过统计量模式分析方法从过程在线运行的测量数据中提取统计量特征，得到统计量检测集，然后计算该样本集中每个样本与它们k近邻的平均累计距离，如果计算的平均累积距离超过步骤一离线训练阶段建立的控制限，则报警过程有异常。

步骤一所述的离线训练过程如下：

1)根据样本量，并考虑监控时延问题确定窗口的宽度和滑动步长，然后通过基于滑动窗口的SPA技术从过程历史正常运行工况下的数据(即原始训练样本集X∈R^n×m，其中，n表示样本数，m表示样本数)中提取统计量特征，每一个窗口产生一个统计模式(SP)行向量，S≡[μ|∑|Ξ]，其中μ代表一阶统计量，即各变量均值(μ_i)；∑代表二阶统计量，包含不同变量的方差(v_i)，相关性(r_i,j)，自相关性(r_i^d)和互相关性Ξ代表高阶统计量，包含斜度(γ_i)和峰度(κ_i)，(根据过程的不同特性以及不同的监控目标，进行统计量的选取)用X_k表示原始样本一个窗口中的数据

各阶统计量计算公式如下：