[发明专利]一种工业生产过程状态监测方法、装置、设备及存储介质

说明书

本申请公开了一种工业生产过程状态监测方法、装置、设备及存储介质，包括：采集正常工况数据并进行标准化处理；通过MWSFA方法从正常工况数据中提取第一慢特征，未被提取的特征作为第一快特征，并计算变换矩阵；计算静态指标控制限和动态指标控制限；对待测工况数据进行标准化处理；获取待测工况数据对应的第二慢特征和第二快特征；计算待测工况数据的静态统计量和动态统计量；将静态统计量与静态指标控制限进行比较，将动态统计量与动态指标控制限进行比较，根据比较结果，判定工业生产过程的生产状态。这样通过提取生产过程数据蕴含的时间动态特征，有效判定生产过程状态变化，可以判断是否有真正故障发生，减少无效预警，提高工作效率。

技术领域

本发明涉及工业生产过程状态监控领域，特别是涉及一种工业生产过程状态监测方法、装置、设备及存储介质。

背景技术

工业生产过程的生产状态的安全性和稳定性是企业生产优先保证的前提。随着先进智能的仪器仪表技术的发展，大量的传感器和数据库为监控生产过程状态获取并存储了大量工业生产数据。通过分析工业生产数据蕴含的生产状态信息，可以对异常生产状态进行预警并采取相应调整措施，保证工业生产过程平稳高效运行。

传统的基于数据分析的生产过程状态监测方法是利用实际监控数据与预设控制限进行比较，若超限则认为有故障发生。然而，实际监控数据与控制限的偏差结果有可能是因为生产工况发生变化或瞬态过程造成，并非故障发生，这样在实际操作中会产生大量的无效预警，还需通过人工的方式进行判断，降低了生产工作效率。

因此，如何解决无效预警产生率高和生产工作效率低的问题，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种工业生产过程状态监测方法、装置、设备及存储介质，可以判断是否有真正故障发生，减少无效预警，提高工作效率。其具体方案如下：

一种工业生产过程状态监测方法，包括：

采集正常工况数据并进行标准化处理；

通过MWSFA方法从处理后的所述正常工况数据中提取第一慢特征，未被提取的特征作为第一快特征，并计算变换矩阵；

根据所述第一慢特征和所述第一快特征，计算静态指标控制限和动态指标控制限；

对待测工况数据进行标准化处理；

根据计算出的所述变换矩阵和处理后的所述待测工况数据，获取所述待测工况数据对应的第二慢特征和第二快特征；

根据所述第二慢特征和所述第二快特征，计算所述待测工况数据的静态统计量和动态统计量；

将所述静态统计量与所述静态指标控制限进行比较，以及将所述动态统计量与所述动态指标控制限进行比较，根据比较结果，判定工业生产过程的生产状态。

优选地，在本发明实施例提供的上述工业生产过程状态监测方法中，采用下述公式获取所述第二慢特征和所述第二快特征：

s_d＝W_dx^T

s_e＝W_ex^T

其中，s_d为所述第二慢特征，s_e为所述第二快特征，W_d为计算出的所述第一慢特征对应的变换矩阵，W_e为计算出的所述第一快特征对应的变换矩阵，x为所述待测工况数据。

优选地，在本发明实施例提供的上述工业生产过程状态监测方法中，采用下述公式计算所述待测工况数据的静态统计量：