[发明专利]一种连续化工过程故障检测方法

摘要

本发明涉及一种连续化工过程故障检测方法，包括以下步骤：1)构建向量X_j和Y的线性回归模型，引入回归约束函数，2)通过haar小波变换来压缩数据，提高计算效率，3)构建加入1-范数和2-范数的回归约束构建稀疏主元模型，通过对SPCA算法的推导，求出稀疏主元的最优解，4)利用核概率密度估计(kde)的方法来估计最佳的T²统计量和SPE统计量的阈值，5)对故障数据进行T²统计量和SPE统计量计算，依次求得故障数据的T²统计量和SPE统计量的值，6)检测数据是否存在故障。本发明稀疏后主元相关的数据量减少，减少了计算量，并缩短了计算时间，进而提高了监控的实时性，可以提高故障检测的准确度和检测的效率。

主权项

一种连续化工过程故障检测方法，其特征在于，该方法包括以下步骤：1)从田纳西‑伊斯曼工业过程模型中获得正常数据和故障数据，将正常数据作为训练数据，将故障数据作为测试数据，并对获得的测试数据进行标准化处理；2)对训练数据进行小波变换，压缩数据；3)引入带有1‑范数和2‑范数的回归约束函数对训练数据进行回归计算，利用稀疏化主元分析法计算得到稀疏化的负荷向量；4)计算经过小波变化后的训练数据的T²统计量和SPE统计量；5)利用概率密度估计的方法求得T²和SPE统计量的阈值；6)根据步骤3)、4)对进行小波变化后的测试数据计算相应的T²和SPE统计量，判断测试数据是否存在故障：当使用T²统计量检测时，若求得的T²统计量的值大于它所对应的阈值，则所对应的一组数据存在故障；若求得的T²统计量的值小于它所对应的阈值，则所对应的一组数据正常；当使用SPE统计量检测时，若求得的SPE统计量的值大于它所对应的阈值，则所对应的一组数据存在故障；若求得的SPE统计量的值小于它所对应的阈值，则所对应的一组数据正常。