[发明专利]一种基于改进动态可见图的过程故障监测方法

摘要

本发明提供了一种基于改进动态可见图的过程故障监测方法，本发明借助复杂网络理论，提出一种改进的动态可见图算法，在此算法的基础上，把时间序列数据映射到复杂网络结构，通过网络特性区分与识别不同变量的时间序列数据，并判断生产数据是否发生故障，通过该方法可以降低故障误报率和漏报率，而且可以更早地监测到故障发生，更有利于复杂工业过程的实时监测。

主权项

一种基于改进动态可见图的过程故障监测方法，其特征在于，该方法包括如下步骤：S101，确定监测变量，将各个变量的历史数据按一定移动窗格长度分别归一化后，利用MDVG算法映射到一个复杂网络中；利用MDVG算法映射到复杂网络的过程如下：考虑一组时序数据中的任意两个数据(t_i,x_i)和(t_k,x_k)，i<k，对于它们之间的所有数据(t_j,x_j)，i<j<k，如果满足可见条件$x_j\&lt;x_i+(x_k-x_i)\frac{t_j-t_i}{t_k-t_i}---\left(1\right)$$\mathrm{\&alpha;}\left(h\right)\&lt;{\mathrm{\&alpha;}}_{\mathrm{ik}}=\arctan (\frac{x_k-x_i}{t_k-t_i}*h)---\left(3\right)$那么，认为这两个数据映射的节点在网络中可见并连接，通过公式(1)和(3)计算，确定该时序数据在视角α和时间间隔常数h下对应的唯一的网络结构。S102，计算映射的网络的三个特性参数K(α)、Λ(α)、Q(α)，并确定监测指标及相应的阈值。刻画MDVG(α)的三个重要特性参数如下：(1)节点相对平均度K(α)：$K\left(\mathrm{\&alpha;}\right)={\stackrel{\&OverBar;}{k}}_{\mathrm{\&alpha;}}/{\stackrel{\&OverBar;}{k}}_{\mathrm{\&pi;}}---\left(4\right)$其中，和分别为视角α和π下的网络节点的平均度。(2)相对平均连接长度Λ(α)：$\mathrm{\&Lambda;}\left(\mathrm{\&alpha;}\right)={\stackrel{\&OverBar;}{l}}_{\mathrm{\&alpha;}}/{\stackrel{\&OverBar;}{l}}_{\mathrm{\&pi;}}---\left(5\right)$其中，和分别为视角α和π下的网络的平均连接长度。(3)非连通集团数Q(α)：若一组按序排列的节点，它们之间每个节点至少存在一对连接关系，并且每个节点与非组内的任何节点都不存在连接关系，则这组节点构成一个非连通集团，每个网络中非连通集团的数量即为非连通集团数。S103，实施在线过程监测，采用与历史数据相同的移动窗格长度，监测各个变量的当前数据，计算当前数据的监测指标；S104，判断当前数据的监测指标是否超出阈值，如果超出，系统发出警报，以便操作人员及时查找和确定故障原因。