本发明专利技术公开了一种基于多次移动平均的微小故障检测方法和装置，该方法包括：采集正常工况下样本数据，利用主成分分析PCA方法建立主元分析模型，获得负载矩阵P；基于每一采样时刻的第一滑动时间窗口内正常工况下过程变量的样本数据，获得第一滑动时间窗口内的多元统计量SPE和T2；提取第一滑动时间窗口内的SPE和T2的第一统计特征；针对第二滑动时间窗口内SPE和T2的第一统计特征进行多次滑动平均处理，得到SPE和T2的第二统计特征；确定针对微小故障检测的故障判别区间，定义故障检测规则；采集工作现场过程变量的样本数据，依据所述负载矩阵P，计算工作现场多元统计量SPE和T2的第二统计特征，根据所述故障检测规则判断是否出现微小故障。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于多次移动平均的微小故障检测方法和装置，该方法包括：采集正常工况下样本数据，利用主成分分析PCA方法建立主元分析模型，获得负载矩阵P；基于每一采样时刻的第一滑动时间窗口内正常工况下过程变量的样本数据，获得第一滑动时间窗口内的多元统计量SPE和T2；提取第一滑动时间窗口内的SPE和T2的第一统计特征；针对第二滑动时间窗口内SPE和T2的第一统计特征进行多次滑动平均处理，得到SPE和T2的第二统计特征；确定针对微小故障检测的故障判别区间，定义故障检测规则；采集工作现场过程变量的样本数据，依据所述负载矩阵P，计算工作现场多元统计量SPE和T2的第二统计特征，根据所述故障检测规则判断是否出现微小故障。【专利说明】基于多次移动平均的微小故障检测方法和装置
本专利技术涉及故障检测领域，尤其涉及一种基于多次移动平均的微小故障检测方法和装置。
技术介绍
现代工业运行过程中，对系统的安全和可靠性的要求逐步提升。故障检测是保障系统安全运行、提高系统可靠性的关键技术，同时也是提高产品质量的关键步骤。随着系统的复杂度逐步提升，元件数据量的不断增长，基于多元统计的故障检测方法不断被关注。例如基于主元分析(PCA)的故障检测方法已被广泛应用，其故障检测性能往往优于单变量的故障检测性能，因为PCA增加了对变量之间线性关系的考量。该类方法的优势在于其不依赖于系统结构，而只需通过历史数据建立主元分析模型，这一优势在基于多元统计的故障检测方法中尤为突出。然而，此类基于多元统计的故障检测方法对微小故障的敏感性较差。如PCA中的多元统计量SPE，T2针对微小故障的故障检测效果较差。这是由于SPE，T2多元统计量中仍然包含了大量的未被提取的信息，而这些信息即可被认为是由微小故障引起的变化。因此，亟需提供一种能够进一步提取多元统计量SPE，T2中包含的反映微小故障信息的方法和装置来解决上述问题。
技术实现思路
本专利技术针对现有技术的不足，提出了一种基于多次移动平均的微小故障检测方法，包括:步骤A，采集正常工况下过程变量的样本数据，利用主成分分析PCA方法建立主元分析模型，获得负载矩阵P;步骤B，依据所述负载矩阵P，基于每一采样时刻的第一滑动时间窗口内正常工况下过程变量的样本数据，获得第一滑动时间窗口内的多元统计量SPE和T2 ;分别提取每一采样时刻的第一滑动时间窗口内的多元统计量SPE和T2的第一统计特征；步骤C，针对第二滑动时间窗口内多元统计量SPE和T2的第一统计特征进行多次滑动平均处理，得到SPE和T2的第二统计特征；步骤D，依据所述多元统计量SPE和T2的第二统计特征确定针对微小故障检测的故障判别区间，根据所述故障判别区间定义故障检测规则；步骤E，采集工作现场过程变量的样本数据，根据所述负载矩阵P，计算工作现场多元统计量SPE和T2的第二统计特征，根据所述故障检测规则判断是否出现微小故障。根据本专利技术的一实施例，所述第一滑动时间窗口包括连续的I个采样时间间隔；每隔一个采样时间间隔，所述第一滑动时间窗口向前滑动一次，共滑动n-1+l次；n为正常工况下样本总数，I为第一滑动时间窗口的长度；所述第一统计特征包括每个时刻的第一滑动时间窗口内SPE和T2的均值、方差、偏度和峭度。根据本专利技术的一实施例，所述第二滑动时间窗口包括连续t个采样时间间隔，t为第二滑动时间窗口的长度。根据本专利技术的一实施例，步骤C针对第二滑动时间窗口内多元统计量SPE和T2的第一统计特征进行多次滑动平均处理，其中对所述第二滑动时间窗口内多元统计量SPE和T2的第一统计特征进行一次滑动平均处理，得到SPE和T2的第一统计特征的一次滑动平均处理结果；对所述一次滑动平均处理结果进行逐次迭代滑动平均，直到第N次滑动平均为止，第N次滑动平均的结果为所述多元统计量SPE和T2第二统计特征。根据本专利技术的一实施例，步骤D依据所述多元统计量SPE和T2的第二统计特征确定针对微小故障检测的故障判别区间，其中根据所述多元统计量SPE和T2的第二统计特征确定置信水平并给出置信区间，得到所述微小故障检测的故障判别区间。根据本专利技术的一实施例，步骤E中所述故障检测规则为:当所述多元统计量SPE和T2的第二统计特征中至少一项处于相应的故障判别区间外部时，判断为出现微小故障。根据本专利技术的另一方面，提供一种基于多次移动平均的微小故障检测装置，包括:建模模块，用于采集正常工况下过程变量的样本数据，利用主成分分析PCA方法建立主元分析模型，获得负载矩阵P ；第一统计特征提取模块，用于依据所述负载矩阵，基于每一采样时刻的第一滑动时间窗口内正常工况下过程变量的样本数据，获得第一滑动时间窗口内的多元统计量SPE和T2 ;分别提取每一采样时刻的第一滑动时间窗口内的多元统计量SPE和T2的第一统计特征；第二统计特征提取模块，用于针对第二滑动时间窗口内多元统计量SPE和T2的第一统计特征进行多次滑动平均处理，得到多元统计量SPE和T2的第二统计特征；故障检测规则构造模块，用于依据所述多元统计量SPE和T2的第二统计特征，确定针对微小故障检测的故障判别区间，根据所述故障判别区间定义故障检测规则；故障检测模块，用于采集工作现场过程变量的样本数据，根据所述负载矩阵P，计算工作现场多元统计量SPE和T2的第二统计特征，根据所述故障检测规则判断是否出现微小故障。根据本专利技术的一实施例，所述第一滑动时间窗口包括连续的I个采样时间间隔；每隔一个米样时间间隔，所述第一滑动时间窗口向前滑动一次，共滑动n-1+l次；n为样本总数，I为第一滑动时间窗口的长度；第一统计特征包括每个时刻的第一滑动时间窗口内SPE和T2的均值、方差、偏度和峭度。根据本专利技术的一实施例，所述第二滑动时间窗口包括连续的t个采样时间间隔，t为第二滑动时间窗口的长度；所述第二统计特征提取模块对第二滑动时间窗口内多元统计量SPE和T2的第一统计特征进行一次滑动平均处理，得到SPE和T2的第一统计特征的一次滑动平均处理结果；针对所述一次滑动平均处理结果进行逐次迭代滑动平均，直到进行第N次滑动平均为止，第N次滑动平均的结果为所述多元统计量SPE和T2第二统计特征。根据本专利技术的一实施例，所述故障检测规则构造模块根据所述多元统计量SPE和T2的第二统计特征确定置信水平并给出置信区间，得到所述微小故障检测的故障判别区间；所述故障检测模块中的故障检测规则为当所述多元统计量SPE和T2的第二统计特征中至少一项处于相应的故障判别区间外部时，判断为出现微小故障。本专利技术利用多次移动平均中均值不变而方差范围减小的特点，通过采用时间窗口的多次移动平均剔除个别异常情况下的数据点，减弱异常数据点对置信区间的影响，提高对微小故障检测的鲁棒性。本专利技术的方法能够在现有多元统计分析框架下较大幅度的提高针对微小故障的检测效果。本专利技术的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。【专利附图】【附图说明】图1是本专利技术实施例一基于多次移动平均的微小故障检测方法的流程图；图2是根据本专利技术实施例二基于多次移动平均的微小故障检测方法的流程图；图3是根本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：周东华，郭天序，陈茂银，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。