[发明专利]一种基于两变量块的质量相关故障检测方法

摘要

本发明公开一种基于两变量块的质量相关故障检测方法，本发明方法将遗传算法与近邻成分分析算法相结合，将输入变量分成与质量相关与不相关的两个变量块。然后建立质量相关变量块与输出之间的偏最小二乘(PLS)模型实施质量相关故障检测，而质量不相关变量块则与PLS模型输入残差合并以实施质量不相关故障检测。相比于传统动方法，本发明方法利用遗传算法结合NCA的方式最优化的区分出质量相关与不相关的测量变量。其次，本发明方法将质量相关变量的PLS模型输入残差与质量不相关测量变量组合在一起实施与质量不相关的故障检测，较全面的利用了所有的与质量不相关成分信息。因此，本发明方法理应给出更准确的质量相关故障检测结果。

主权项

1.一种基于两变量块的质量相关故障检测方法，其特征在于，包括以下步骤：离线建模阶段的实施过程如下所示：步骤(1)：收集工业生产过程中容易测量的数据组成输入训练数据矩阵X∈R^n×m，并对其进行标准化处理使各个过程变量的均值为0，标准差为1，得到新数据矩阵其中，n为训练样本数，m为过程测量变量数，R为实数集，R^n×m表示n×m维的实数矩阵，x_i∈R^m×1表示矩阵中第i个样本数据，i＝1，2，…，n；步骤(2)：采用离线分析手段获取与输入训练数据X相对应的产品质量数据组成输出训练数据Y∈R^n×1，计算向量Y的均值μ与标准差ε，并对其进行标准化处理得到新输出数据向量步骤(3)：利用基于遗传算法的近邻成分分析(NCA)方法将输入数据中各测量变量区分成与质量相关的变量块以及与质量不相关的变量块其中m₁+m₂＝m；步骤(4)：利用偏最小二乘(PLS)算法建立与输出之间的回归模型，即：上式中，E₁与F₁分别为输入与输出的模型残差，由g个潜在特征成分组成；步骤(5)：将残差E₁与质量不相关的变量块组成一个矩阵后，对Φ实施奇异值分解，即：Φ＝UAV^T；步骤(6)：根据公式与分别计算与质量相关的故障监测统计量的控制上限以及与质量不相关的故障监测统计量的控制上限其中表示自由度为r的卡方分布在置信度α＝99％下的取值；步骤(7)：收集新的容易测量的数据x_i∈R^1×m，并对其进行与X相同的标准化处理得到下标号t表示当前最新采样时刻；在线过程监测阶段的实施过程如下所示：步骤(8)：根据步骤(3)中的变量分块情况，对应地将分成两个变量块与分别对应质量相关变量以及质量不相关变量；步骤(9)：根据如下所示公式计算与质量相关的故障监测统计量D1：上式中，A＝TTT/(n‑1)；步骤(10)：将输入残差与合并成一个向量后，按照如下所示公式计算与质量不相关的故障监测统计量D₀：D0＝||fVA‑1||2    (3)上式中，||fVA‑1||表示求取向量长度；步骤(11)：实施故障检测，若则判别为与质量相关的故障；若且则判别为与质量不相关的故障。