[发明专利]基于多采样概率核主成分模型的化工过程故障检测方法

摘要

本发明公开了一种基于多采样概率核主成分模型的化工过程故障检测方法，首先通过收集训练样本集构建多采样概率核主成分分析模型，得到训练样本的T2和SPE统计量检测控制限；然后在线收集待检测化工过程实际运行过程中的工艺参数，得到测试样本，通过计算测试样本的T2和SPE统计量，最后与得到检测控制限对比，得出化工过程的在线检测结果。本发明利用基于多采样概率核主成分分析模型的核学习方法，建立了一个有效的非线性故障检测模型，并克服了化工生产过程采样速率不同所造成的问题，提高了该过程的在线检测效率和性能，从而使得化工生产过程更加可靠，产品质量监测更加稳定。

主权项

1.一种基于多采样概率核主成分模型的化工过程故障检测方法，其特征在于，包括如下步骤：(1)收集待检测化工过程在正常运行时的至少三种不同采样率的过程变量，作为样本数据组成建模用的训练样本集；(2)对训练样本集进行预处理，将预处理后的数据集投影到高维特征空间，得到训练样本集对应的高维映射值数据集；(3)求取所述高维映射值数据集的核函数，结合当前模型参数的初始值，利用期望最大化算法，估计得到模型参数的更新值；(4)当所有模型参数的更新值满足收敛要求时，得到模型参数的最终值，进而得到多采样概率核主成分分析模型，进入步骤(5)；否则，将模型参数的更新值作为模型参数的初始值，返回步骤(3)；(5)根据建立的多采样概率核主成分分析模型，得到训练样本的T2和SPE统计量检测控制限；(6)在线收集待检测化工过程实际运行过程中的工艺参数，得到测试样本集，对测试样本进行步骤(2)的预处理，然后将预处理后的数据集投影到高维特征空间，得到测试样本集对应的高维映射值数据集，根据得到的多采样概率核主成分分析模型，计算测试样本的和SPE_test统计量，然后与步骤(5)得到检测控制限对比，得出化工过程的在线检测结果。