[发明专利]一种具有可调整能力的多工况混合变量异常检测方法

说明书

本发明公开了一种具有可调整能力的多工况混合变量异常检测方法，属于故障检测领域，主要针对被连续变量和二值变量同时监测的多工况过程，且工况可能发生变化的情况，具体包括离线建模阶段、在线检测和更新阶段；其中，离线建模阶段利用历史工况数据进行模型的构建和训练，得到采样标签计算公式；在实际在线检测时，当有新采样到来时，利用采样标签计算公式进行故障的判断，当出现新工况到来或已有工况消失的情况时，更新先验概率，再进行故障判断。本发明与传统方法相比，考虑了多种工况的影响，且有新工况到来或者原有工况消失时模型具有扩展和更新能力，使其在多工况过程的异常检测能力更强。

技术领域

本发明属于故障诊断领域，具体涉及一种具有可调整能力的多工况混合变量异常检测方法。

背景技术

现代工业过程受到原材料、生产策略、负载的影响不可避免的会出现多个工况。随着系统的不断运行，新的工况有可能出现，原有的工况也可能消失。而且复杂的工业过程监测变量往往同时包含连续变量和二值变量。而目前传统方法并未考虑多种工况的影响，异常检测能力有限。

发明内容

为了解决上述问题，针对被连续变量和二值变量同时监测的多工况过程，且工况可能随时发生变化的情况提出了一种具有可调整能力的多工况混合变量异常检测方法。

本发明的技术方案如下：

一种具有可调整能力的多工况混合变量异常检测方法，其特征在于，包括如下步骤：

步骤1：离线建模，具体包括如下步骤：

步骤1.1：采样历史工况构建训练数据集共包含N个样本，为第i个采样并包含d个样本，l_i为x_i对应的标签，i表示采样时间；记X^k＝[X^kn,X^kf]为工况k的数据，其中和分别为工况k的正常和故障样本；总共包含K₁个工况，记x_j为第j个变量，二值变量和连续变量的集合分别记为和

步骤1.2：当x_j∈X_c时，假设其服从高斯分布

P_c(x_j|l＝γ；θ_j,γ)＝N(x_j|l＝γ；u_j,γ,Σ_j,γ) (1)

其中，u_j,γ,Σ_j,γ为对应的均值和标准差；

步骤1.3：当x_j∈X_b时，假设其服从伯努利分布

其中，δ_j,γ为第j个变量在γ下的响应函数；

步骤1.4：计算条件概率

其中，为标签变量，γ∈{1n,1f,…,K₁n,K_fn}，参数向量θ＝{θ_j,γ,W_j,k}，θ_j,γ为第j个变量在类别γ下的参数，W_j,k为第j个变量在工况k下的权值；

步骤1.5：如果x_j＝{x_1j,…,x_ij,...,x_nj}∈X_c，构造二值变量x′_j＝{x′_1j,...,x′_ij,...,x′_nj}