[发明专利]基于显著故障变量提取的卷烟制叶丝段故障诊断方法

摘要

本发明涉及卷烟制叶丝段Sirox增温增湿机和KLD薄板烘丝机的故障变量提取、故障离线建模与在线故障诊断技术。基于显著故障变量提取的卷烟制叶丝段故障诊断方法，该方法改进Fisher判别分析通过两步特征提取避免了类内散布矩阵奇异性问题，通过迭代循环提取足够判别成分，采用数据紧缩手段保证了成分间的垂直性，实现对故障方向的高效提取；沿故障方向通过变量贡献度分析，度量不同变量对故障的不同影响，通过变量选择策略区分对故障有重要影响的故障变量和没有影响的一般变量，进而分别建立故障变量和一般变量的诊断模型进行在线故障诊断。本发明有助于对故障过程和特性的深入理解，通过显著故障信息的有效提取，克服了非关键故障诊断信息的影响，提高了故障诊断的可靠性。

主权项

基于显著故障变量提取的卷烟制叶丝段故障诊断方法，其特征在于，包括步骤：1)收集卷烟制叶丝段Sirox增温增湿机和KLD薄板烘丝机运行过程的正常工况数据Xn(Nn×J)和典型故障工况数据Xf,i(Nf,i×J)，针对正常工况数据和每种典型故障工况数据采用改进Fisher判别分析方法提取每种故障对应的故障方向Ri(J×R)；2)沿提取的故障方向，分别计算正常工况数据、故障工况数据对应的特征矩阵Tn,i、Tf,i；再根据马氏距离分别计算正常工况数据、故障工况数据对应的统计量Dn,i,m2、Df,i,m2，根据正常工况数据对应统计量的密度分布确定控制限3)如果故障工况数据对应的统计量Df,i,m2超过了控制限进行故障变量提取；沿故障方向Ri分别计算正常工况、故障工况的变量贡献度根据计算的变量贡献度比例的大小确定最重要的故障变量j，将故障变量j移到故障变量数据库；更新正常工况数据和故障工况数据重新计算故障方向进行故障变量提取，当故障工况数据对应的统计量在控制限以内时，表明所有故障变量均已提取；4)通过故障变量的选取，将每一种故障工况的监测变量分为故障变量和一般变量；由于不同的故障工况可能具有相同的故障变量，但这些故障变量的相关关系不同，仅仅利用选取的故障变量不能准确区分不同的故障工况；因此，基于每种故障工况分离后的故障变量和一般变量，分别建立故障诊断模型揭示该类故障工况的故障影响，并计算得到故障评价统计量；5)在第k个采样时刻获得一个新的观测数据xnew(J×1)，采用王伟等人[1]提出的基于相对变化分析的多模态卷烟制叶丝段故障监测方法检测是否有异常发生；存在异常时，对于新检测的故障数据，进行在线故障诊断；通过迭代评价新检测故障数据与每种故障工况的相似性，确定该故障数据属于哪种故障工况。