[发明专利]一种基于KPCA的工业过程故障诊断方法

摘要

本发明涉及一种基于KPCA的工业过程故障诊断方法，对工业生产过程的历史正常数据利用KPCA方法提取出主元子空间的负载方向和残差子空间的负载方向，对已知故障的历史故障数据利用KPCA方法提取出主元子空间的负载方向和残差子空间的负载方向，对已知故障类型的历史故障数据进行基于T2统计量重构和基于SPE统计量重构，提取出历史故障数据针对T2统计量重构的故障特征方向和针对SPE统计量重构的故障特征方向，得到重构故障特征方向集合，实时采集工业生产过程的新数据，利用KPCA方法计算新数据的T2统计量和SPE统计量，判断实时采集的工业生产过程是否发生故障，利用重构故障特征方向集合对新数据进行故障方向重构，判断当前的工业生产过程的故障类型。

主权项

一种基于KPCA的工业过程故障诊断方法，其特征在于，包括以下步骤：步骤1：对工业生产过程的历史正常数据利用KPCA方法进行子空间划分，得到历史正常数据的主元子空间的负载方向P和历史正常数据的残差子空间的负载方向P*；步骤2：对工业生产过程已知故障的历史故障数据利用KPCA方法进行子空间划分，得到历史故障数据的主元子空间的负载方向Pf和历史故障数据的残差子空间的负载方向步骤3：对历史故障数据进行基于T2统计量重构，提取出历史故障数据针对T2统计量重构的故障特征方向步骤3.1：将历史正常数据的主元部分映射到历史故障数据的主元子空间，获得针对T2统计量重构的历史故障数据的主元子空间中与故障相关的特征方向Pfr；步骤3.2：将历史正常数据的主元部分映射到历史故障数据的残差子空间，获得针对T2统计量重构的历史故障数据的残差子空间中与故障相关的特征方向步骤3.3：获得历史故障数据针对T2统计量重构的故障特征方向步骤4：对历史故障数据进行基于SPE统计量重构，提取出历史故障数据针对SPE统计量重构的故障特征方向步骤4.1：将历史正常数据的残差部分映射到历史故障数据的主元子空间，获得针对SPE统计量重构的历史故障数据的主元子空间中与故障相关的特征方向Vfr；步骤4.2：将历史正常数据的残差部分映射到历史故障数据的残差子空间，获得针对SPE统计量重构的历史故障数据的残差子空间中与故障相关的特征方向步骤4.3：获得历史故障数据针对SPE统计量重构的故障特征方向步骤5：重复步骤1‑步骤4，对c类已知故障类型的历史故障数据进行基于T2统计量重构和基于SPE统计量重构，得到重构故障特征方向集合；步骤6：实时采集工业生产过程的新数据，利用KPCA方法进行子空间划分，计算新数据的T2统计量和SPE统计量，并根据新数据的T2统计量和SPE统计量判断实时采集的工业生产过程是否发生故障；步骤6.1：实时采集工业生产过程的新数据集Xnew，对其进行中心化处理后将其映射到高维特征空间，得到高维特征空间的新数据Φ(Xnew)；步骤6.2：对高维特征空间的新数据Φ(Xnew)进行PCA分解，得到新数据的得分tnew＝<P，Φ(Xnew)>和新数据的残差enew＝(I‑PPT)Φ(Xnew)，其中，I为单位矩阵；步骤6.3：计算新数据的T2统计量和新数据的SPE统计量SPEnew；步骤6.4：判断当前的工业生产过程是否发生故障：若新数据的T2统计量或SPE统计量偏离其对应的正常值域，执行步骤7，否则返回步骤6.1；步骤7：利用重构故障特征方向集合对实时采集的工业生产过程的新数据进行故障方向重构，判断当前的工业生产过程的故障类型；步骤7.1：选取故障类型l，l＝1，2，…，c，利用第l类历史故障数据针对T2统计量重构的故障特征方向对新数据进行故障方向重构：其中，为针对第l类故障T2统计量重构后的新数据，Prec，l为第l类历史故障数据针对T2统计量重构的故障特征方向；步骤7.2：利用第l类历史故障数据针对SPE统计量重构的故障特征方向对新数据进行故障方向重构：其中，ΦSPE，f，l(Xnew)为针对第l类故障SPE统计量重构后的新数据，Vrec，l为第l类历史故障数据针对SPE统计量重构的故障特征方向；步骤7.3：计算针对第l类故障T2统计量重构后的新数据的得分：计算针对第l类故障SPE统计量重构后的新数据ΦSPE，f，l(Xnew)的残差ef，l＝(I‑PPT)ΦSPE，f，l(Xnew)；步骤7.4：计算针对第l类故障T2统计量重构后的新数据的T2统计量和针对第l类故障SPE统计量重构后的新数据ΦSPE，f，l(Xnew)的SPE统计量步骤7.5：判断当前的工业生产过程的故障类型：若针对第l类故障T2统计量重构后的新数据的T2统计量和针对第l类故障SPE统计量重构后的新数据ΦSPE，f，l(Xnew)的SPE统计量SPEf，l均未偏离其对应的正常值域，则当前的工业生产过程的故障类型为第l类故障，否则，重新选择故障类型l，返回步骤7.1。