[发明专利]一种基于OICA的复杂工业过程故障监测方法

摘要

本发明公开了一种基于OICA的复杂工业过程故障监测方法，以提高工业过程故障监测的准确性，对于提高生产过程安全性，保证生产设备和生产人员安全，提高产品质量有重要的意义。本发明包括“离线建模”和“在线监测”两个阶段。“离线建模”包括：对原始数据进行预处理；采用OICA提取数据的独立主成分和残差；分别在独立成分空间和残差空间通过核密度估计计算控制限。“在线监测”包括：对当前采样时刻的数据进行预处理；计算当前时刻数据的统计量，并与控制限进行对比以判断发酵过程是否运行正常。本发明方法无需假设数据服从高斯分布，计算复杂度低，而且不受混合矩阵形式的限制，因此故障监测效果更好。

主权项

1.一种基于OICA的复杂工业过程故障监测方法，其特征包括“离线建模”和“在线监测”两个阶段，具体步骤如下：A.离线建模阶段：1)采集发酵过程正常工况下的历史数据，所述的历史数据X由离线测试得到的一批次发酵生产过程正常操作状态的数据构成，一批次数据包含N个采样时刻，每个采样时刻采集J个过程变量形成数据矩阵其中，对于每个采样时刻x_i＝(x_i，1，x_i，2，…，x_i，j)，x_i，j表示第i个采样时刻的第j个变量的测量值；2)对历史数据进行标准化处理，处理方式如下：首先计算历史数据X所有过程变量的均值和标准差，其中第j个变量所有时刻的均值第j个变量所有时刻的标准差x_i，j表示第i个采样时刻的第j个变量的测量值j＝1，…，J。3)然后对历史数据X进行标准化，其中第i个采样时刻的第j个变量的标准化公式如下：其中，i＝1，2，…N，j＝1，2，…J；4)将步骤2)标准化后的数据重新构造成二维矩阵，如下式所示：其中，i＝1，2，…N，j＝1，2，…J；5)利用OvercompleteICA算法计算解混矩阵W，得到独立成分S如下式所示：再根据独立成分S得到残差，如下式所示：E＝S‑WS6)分别计算独立成分空间的统计量I²和残差空间的统计量SPE，如下式所示：I²＝S^TsSPE＝E^TE7)利用核密度估计算法求得上述I²和SPE统计量在预设置信限时的估计值，并将其作为模型的控制限；B.在线监测阶段：8)采集发酵过程当前采样时刻k的J个过程变量的测量值x_k，并根据步骤2)中得到的均值和标准差进行标准化，得到其中，当前采样时刻k的第j个过程变量的标准化公式如下：其中，j＝1，2，…J；9)提取经标准化后k时刻数据的独立成分，计算公式如下：再根据独立成分S_k得到k时刻数据的残差，如下式所示：其中W为步骤4)中所确定的分离矩阵；10)计算当前采样时刻k的监控统计量和SPE_k，如下式所示：SPE_k＝E_k′E_k11)将上述步骤得到的监控统计量和SPE_k与步骤6)得到的控制限进行比较，如果超限则认为发生故障并报警；否则即认为是正常；12)若发酵过程完毕，则终止监测；否则采集下一时刻数据，返回步骤8)，继续进行过程监测。