[发明专利]一种基于改进的FastICA的冷水机组故障检测方法

摘要

一种基于改进的FastICA的冷水机组故障检测方法，在传统FastICA的基础上，引入松弛因子，改变了原迭代方式，有效降低算法对初始值的依赖性。本发明包括“离线建模”和“在线检测”两个阶段。“离线建模”包括首先正常数据样本进行稳态处理；之后采用引入松弛因子的FastICA算法提取数据的独立成分信息；最后计算统计量I2和SPE，并利用核密度估计方法确定控制限。“在线检测”包括对新采集的制冷过程数据按照模型进行处理，计算其统计量并与控制限进行比较判断制冷过程是否运行正常。本发明降低了FastICA算法对初始值的依赖性，保证了冷水机组制冷过程的安全性和稳定性。

主权项

一种基于改进的FastICA的冷水机组故障检测方法，在传统FastICA的基础上，引入松弛因子，改变了原迭代方式；用改进的FastICA算法提取的冷水机组过程数据的独立成分，构建统计量，进行故障检测，可有效减少过程检测中漏报的发生，提高故障检测的准确性；其特征在于：本方法的实现步骤如下：A.离线建模阶段：1)稳态处理：采集制冷过程正常工况下的历史数据，该数据包含机组瞬态和稳态运行的数据，在开始故障诊断之前，需要对原始数据进行稳态筛查，去除非稳态数据，保留稳态数据；设历史数据的采样时间序列为{x0,x1,x2,…,xn}，则几何加权平均及几何加权方差sn分别为：和其中，xk为样本的时间序列数据，k＝0,1,2,…,n，β为几何加权系数且为大于0小于1的常数，τss为有效时间窗长度，Δt为时间步长，即数据的采集间隔；三者之间的关系为蒸发器进水温度(TWEI)、蒸发器出水温度(TWEO)和冷凝器进水温度(TWCI)三者对定水量冷水机组的性能具有决定性作用，选作判断机组是否处于稳态的特征参数，只有当三者的几何加权均方差均低于事先设定的限值时，才认为机组处于(准)稳态运行；各组实验数据经稳态筛查后，从经过稳态筛选后的数据中随机选取部分数据作为建模过程的训练数据；2)对训练数据X进行标准化处理，处理方式如下：首先计算训练数据X的所有时刻上所有过程变量的均值和标准方差，其中第j个过程变量的均值的计算公式为，第j个过程变量的标准方差sj的计算公式为，sj=1N-1Σi=1N(xi,j-x‾j)2,j=1,...,J;]]>然后对历史数据X进行标准化，其中第i采样时刻的第j个过程变量的标准化计算公式如下：x~i,j=xi,j-x‾jsj]]>其中，i＝1,...,N，j＝1,...,J；3)利用改进的FastICA方法提取独立成分：3.1)对二维矩阵X'利用主成分分析PCA方法得到白化矩阵Q，Q＝Λ‑1/2UT，其中U和Λ分别为X'的协方差矩阵对应的特征向量矩阵和特征值矩阵，之后将X'进行白化，白化公式为：Z＝QX'；3.2)对随机权矢量W0进行初始化，并设收敛误差ε；3.3)对迭代式引入因子a，变为其中0＜a＜1；引入松弛因子的牛顿迭代法放宽了初始值的选择条件，可以提高收敛的稳定性；3.4)更新bi，并执行正交化：标准化：3.5)当|bi+1‑bi|＜ε时，算法是收敛的，估算出一个独立分量，如果不收敛，则返回3.3)；4)利用改进的FastICA算法从Z中估计出新的混合矩阵B和分离矩阵W，再根据S＝BTZ得到独立成分S，S＝(S’1,...,S'N)；5)计算正常状态下测量数据集的检测统计量I2和SPE，计算公式如下：I2＝SST，SPE＝eTe，其中，e为残差矩阵，e为残差矩阵，即估计出的观测数据与实际数据的误差，为通过独立分量估计出的观测数据，6)利用核密度估计方法估计统计量的控制限；B.在线检测阶段：7)采集冷水机组制冷过程的当前时刻数据xk，并根据步骤2)中得到均值和标准方差对其进行标准化，其中第k采样时刻的第j个过程变量的标准化公式如下：x~k,j=xk,j-x‾k,jsk,j]]>8)提取标准化后的独立成分sk，计算公式如下：sk=Wx~k]]>其中，W为模型训练阶段步骤4)中所确定的分离矩阵；9)计算当前制冷过程k时刻测量数据的检测统计量I2和SPE，计算公式如下：SPEk＝ekTek，其中，sk为标准化后的k时刻采集数据的独立成分；ek为k时刻的残差矩阵，10)将上述计算得到的检测统计量与建模阶段的步骤6)确定的控制限进行比较，如果二者都未超出，则判定当前时刻的过程测量数据正常；否则认为发生故障，进行报警；11)若机组停止制冷，则终止检测；否则采集下一时刻的数据，返回步骤7)，直到制冷结束。