[发明专利]一种基于多生产单元变量交叉相关解耦策略的故障监测方法

摘要

本发明公开一种基于多生产单元变量交叉相关解耦策略的故障监测方法，旨在从数据角度出发，将工业对象中不同生产单元之间的交叉关系考虑进分布式建模与监测过程中，从而实施更加可靠而有效的分布式故障监测。具体来讲，首先根据各生产单元测量变量的归属，将所有测量变量划分成多个变量子块；其次，利用回归模型将各个变量子块中与其他变量子块之间的交叉相关信息挖掘出来；最后，利用交叉相关解耦后的误差实施建模与故障监测。相比于传统方法，本发明方法利用回归模型将不同生产单元变量子块之间的交叉关系考虑进来，并对能够反映出不同生产单元之间交叉相关关系是否发生变化的误差实施监测，理应具备更优越的故障监测性能。

主权项

1.一种基于多生产单元变量交叉相关解耦策略的故障监测方法，其特征在于，包括以下步骤：离线建模的实施过程如下所示：步骤(1)：采集生产过程对象中所有生产单元正常运行状态下的样本数据，组成训练数据集X∈R^n×m，并对其进行标准化处理，得到均值为0、标准差为1的新数据矩阵其中，n为训练样本总数，m为过程对象所有测量变量的个数，R为实数集，R^n×m表示n×m维的实数矩阵；步骤(2)：根据各测量变量的生产单元归属，将m个测量变量分成C个不同的变量子块，其中C表示过程对象中生产单元的个数；步骤(3)：依据C个不同的变量子块将矩阵对应地分成C个不同的子矩阵X₁，X₂，…，X_C，其中c＝1，2，…，C，m_c为第c个变量子块中变量个数且满足条件∑m_c＝m；步骤(4)：将第c个子矩阵Xc做为回归模型的输出，同时将Y＝[X1，…，Xc‑1，Xc+1，…XC]做为回归模型的输入，利用偏最小二乘算法(Partial Least Square，PLS)建立如下所示的输入‑输出之间的回归模型：Xc＝YΘc+Ec  (1)上式中，Θ_c为回归矩阵，为回归模型误差；步骤(5)：重复步骤(4)直至得到C个PLS模型，并将模型误差E1，E2，…，EC合并成一个误差矩阵E＝[E1，E2，…，EC]∈Rn×m；步骤(6)：将估计误差矩阵E作为新的训练数据矩阵，对其中的每一列实施标准化处理，得到均值为0，标准差为1的新数据矩阵步骤(7)：利用主成分分析(Principal Component Analysis，PCA)算法为建立相应的PCA故障监测模型，并保留模型参数集Θ＝{B，Λ，D_lim，SPE_lim}以备调用，其中B为投影变量矩阵，Λ是由特征值组成的对角矩阵，D_lim与SPE_lim分别表示监测统计量D与SPE的控制上限；在线故障监测的实施过程如下所示：步骤(8)：收集新采样时刻的数据样本x∈R^1×m，对其实施与步骤(1)中相同的标准化处理得到新数据向量步骤(9)：根据步骤(2)中的C个不同的变量子块，对应地将样本向量分成C个不同的子向量x₁，x₂，…，x_C；步骤(10)：调用步骤(4)中建立的第c个PLS模型，根据如下所示公式计算出多生产单元变量交叉相关解耦后的误差ecec＝xc‑yΘc  (5)上式中，y＝[x1，…，xc‑1，xc+1，，xC]；步骤(11)：重复步骤(10)直至得到C个误差e1，e2，…，eC，并将这些误差合并成一个误差向量e＝[e1，e2，…，eC]；步骤(12)：对误差e实施与步骤(6)中相同的标准化处理得到新向量步骤(13)：根据如下所示公式计算监测统计指标D与SPE：上式中，I为m×m维的单位矩阵；步骤(14)：判断是否满足条件：D≤Dlim且SPE≤SPElim？若是，则当前监测时刻系统处于正常运行状态，返回步骤(8)继续实施在线故障监测；若否，则当前采样数据来自故障工况。