[发明专利]一种基于多采样率因子分析模型的工业过程故障检测方法

摘要

本发明公开了一种基于多采样率因子分析模型的工业过程故障检测方法，该方法首先收集正常工作状态下不同采样率的数据，建立多采样率因子分析分析模型；利用模型的潜隐变量和预测误差构建了两个检测统计量T2和SPE及其对应的统计限和SPElim；然后对在线工业过程进行检测，获得测试样本，然后可利用已有的模型结构估计测试样本的潜隐变量及预测误差，并计算出相应的统计量，并得到最终的故障检测结果。该方法在实现多采样率信息处理的同时，既可以完整利用数据信息，又能充分考虑到数据噪声矩阵方差差异性，使降维后的少数潜隐变量实现对原有变量更好的解释与描述，从而在故障检测精度上实现提升。

主权项

1.一种基于多采样率因子分析模型的工业过程故障检测方法，其特征在于，包括：(1)采集工业过程中正常运行的不同采样率的数据，并组成数据建模用的训练样本集；(2)对训练样本集进行预处理，预处理后的训练样本集与隐变量间存在线性相关关系；(3)利用预处理后的训练样本集，利用期望最大化算法构建多采样率因子分析模型；(4)根据建立的多采样率因子分析模型估计训练样本集的潜隐变量的期望值，潜隐变量的方差和模型预测误差，构建相应的T2和SPE统计量检测统计限；(5)在线收集新的工业过程中与训练样本集过程变量对应的不同采样率样本数据，得到测试样本集，并对测试样本集进行预处理；(6)采用得到多采样率因子分析模型对测试样本集进行检测，计算测试样本集的和SPE_test统计量，并与步骤(4)得到的检测统计限对比，输出检测结果。