[发明专利]面向多模态特性工业过程的模态划分方法和故障监测方法

权利要求书

1.一种面向多模态特性工业过程的故障监测方法，其特征在于，包括：

S1、获取工业过程中预设周期内的在线检测数据作为监测数据集；

S2、基于动态局部主成分分析法处理监测数据集，获得监测数据集的匹配矩阵、SPE统计量和T²统计量；

S3、根据监测数据集在在线检测数据中的前一时刻数据所处模态的控制限，对监测数据集的SPE统计量和T²统计量进行监测，若存在监测数据集的SPE统计量和/或T²统计量超出控制限，则根据监测数据集的匹配矩阵和预先确定的工业过程中各个模态的匹配矩阵，寻找出与监测数据集相匹配的目标模态；

S4、根据预先确定的目标模态的控制限对监测数据集的SPE统计量和T²统计量进行监测，若存在监测数据集的SPE统计量和/或T²统计量超出目标模态的控制限，则确定出现故障；

其中，控制限包括SPE统计量的控制限和T²统计量的控制限，工业过程中各模态的匹配矩阵包括稳定模态的匹配矩阵和过渡模态的匹配矩阵；

其中，S2包括：

S21、对监测数据集进行动态拓展，获得拓展数据集根据拓展数据集求解广义特征方程，提取最小的d个特征值所对应的特征向量构成投影矩阵A；根据投影矩阵A对拓展数据集进行投影，获得第一低维矩阵Y^*；

S22、求解第一低维矩阵的协方差矩阵∑，并对协方差矩阵∑进行特征值分解，提取最大的k个特征值所对应的特征向量构成降维矩阵P，提取最大的k个特征值组成对角矩阵Λ；根据第一低维矩阵Y^*和降维矩阵P，获得第二低维矩阵Y；

S23、根据第二低维矩阵Y与拓展数据集的关系，确定监测数据集的匹配矩阵M；

S24、根据第一低维矩阵、降维矩阵和对角矩阵，获得监测数据集的SPE统计量和T²统计量。

2.根据权利要求1所述的方法，其特征在于，S21中，对监测数据集进行动态拓展，获得拓展数据集包括：

式中，n为采样数，m为变量数，l为动态步数，T代表矩阵转置。

3.根据权利要求1所述的方法，其特征在于，S24包括：

T²＝y^*PΛ^-1P^T(y^*)^T

SPE＝y^*(I-PP^T)(y^*)^T

式中，T代表矩阵转置；I代表大小为k的单位矩阵；(y^*)(^1×d)∈Y^*，表示Y^*的行向量；d代表S21中提取特征值的个数。

4.根据权利要求1所述的方法，其特征在于，S3中，根据监测数据集的匹配矩阵和预先确定的工业过程中各个模态的匹配矩阵，寻找出与监测数据集相匹配的目标模态，包括：

在监测数据集在在线检测数据中的前一时刻数据所处模态为稳定模态时，根据监测数据集的匹配矩阵和预先确定的工业过程中各个过渡模态的匹配矩阵，寻找出与监测数据集相匹配的目标模态；

在监测数据集在在线检测数据中的前一时刻数据所处模态为过渡模态时，根据监测数据集的匹配矩阵和预先确定的工业过程中各个稳定模态的匹配矩阵，寻找出与监测数据集相匹配的目标模态。

5.根据权利要求1所述的方法，其特征在于，在S1之前，还包括：

S01、基于变长度滑动窗口均值-增广迪基福勒检验方法，对工业过程中的历史检测数据进行模态划分，获得工业过程中的各个模态；

S02、基于动态局部主成分分析法处理每一模态的检测数据，获得工业过程中各个模态的匹配矩阵和控制限。