[发明专利]基于物理-大数据混合模型的化工生产在线故障检测与诊断技术

摘要

本发明公开了一种基于物理‑大数据混合模型的化工生产在线故障检测与诊断技术，其特征在于，所述的故障检测与诊断技术的操作方法如下：在选取目标操作单元后，将对该单元的所有历史数据进行扫描，经过校验参数后，建立事故知识库和参数模型；在后续的在线检测过程中，将在线数据直接导入到参数模型中，经扫描后得出在线数据中的故障数据，发出警报，将故障数据与事故知识库中数据进行对比，得出故障原因；本发明的方法应用在确定的单一化工单元操作上，建立可靠的物理模型，而在整个生产过程采作化学计量学的方法，引入大数据处理技术处理数年的实时数据，着眼于操作人员在可控操作变量范围内性能指标的故障，排除了不可控生产过程变量的对故障检测的影响。

主权项

1.一种基于物理‑大数据混合模型的化工生产在线故障检测与诊断技术，其特征在于，所述的故障检测与诊断技术的操作方法如下：在选取目标操作单元后，将对该单元的所有历史数据进行扫描，经过校验参数后，建立事故知识库和参数模型；在后续的在线检测过程中，将在线数据直接导入到参数模型中，经扫描后得出在线数据中的故障数据，发出警报，将故障数据与事故知识库中数据进行对比，得出故障原因；其详细的操作方法包括以下步骤：1）利用工厂级实时数据中的历史数据组成建模用的训练数据样本集：X ∈R^n×m，其中， n为样本数据集中样本的个数，m为样本数据集中每个样本的变量个数；2）针对工厂级过程数据集 X ∈R^n×m中有确定物理模型的单元操作Q，将这一生产单元过程变量归集在数据子集Xq∈R^n×q，q为有确定物理模型的单元操作的变量个数；3）提取具有确定物理模型的生产单元中的关键性能指标k，将单元操作子集Xq从q维降为k维；4）在训练样本中移除具有确定物理模型的生产单元中的原始变量，而代之以从物理模型中提取的关键性能指标，将其与未参与物理建模的剩余的操作变量重新组合，形成新的训练样本Xnew，Xnew∈R^n×p；其中，p为重新组合成的参与训练的变量；5）对Xnew∈R^n×p进行归一化处理；其中xu_i为Xnew各列的平均值，std_i为Xnew各列的标准差，归一化后的Xnorm=(Xnew_i‑xu_i)/std_i，得到经过变换后的Xnorm的绝对值不超过3.5，判断绝对值超过3.5的Xnorm为异常值；6）提取工厂级过程的主元数据方向，建立工厂级的监测统计量及其检测模型；如果监控的是以稳定性为目的的指标，则建立主元过程故障检测模型，形成工厂级范围的故障检测模型，计算主元载荷、SPE、Hotelling T^2在不同置信度下的控制范围；如果监控的是性能指标，则采用双重残差回归的方法，第一重回归先按性能指标与生产过程中操作人员不可控因素对性能指标的影响，第二重回归以第一重回归的残差为应变量，操作人员可控的操作条件为自变量进行偏最小二乘回归；根据操作人员实际可控的范围及其对性能指标的影响，判断新的性能指标控制区间，以当前操作性能指标与理想性能指标的差距作为故障监控指标，根据过程改进计划，得出后续操作性能指标中可改进的控制范围；7）收集新的在线监测过程数据，采用步骤5）训练样本中取得的变量平均值及标准差进行预处理和归一化；8）根据有确定物理模型的单元处理新的在线监测过程数据，计算该单元的关键性能指标，组成新的过程数据集，其中有确定物理模型的生产单元由新的关键性能指标来表达；9）将实时监测的数据中提取出关键数据，将关键数据应用于步骤5）及6）得到的模型或计算方法中进行计算，最终判断其是否达标，计算新的在线监测过程数据中：相应的过程异常的主元分析的判断；关键性能指标的潜结构投影模型；可控范围内是否出现故障的判断；10）计算监测统计量值，形成工厂级过程的故障检测结果，判断当前过程的运行状态；11）在故障检测的基础上，分别找出故障时各个操作变量对监测控制量的贡献值，得到该故障的诊断结果。