【技术实现步骤摘要】
本专利技术属于工业过程监控和故障诊断领域,具体涉及一种工业过程微小故障的检测和分离方法及其监测系统。
技术介绍
现代工业过程规模庞大、结构复杂,一旦过程出现异常便可能造成巨大的经济损失,甚至危及人身安全。过程监控和故障诊断技术可以有效地提高系统的可靠性、设备可维护性以及降低事故风险,已成为当前过程控制领域的研究热点之一。此外,较为严重的故障通常由微小故障演化而来,历史上发生的许多重大灾难性事故也是由系统中微小异常未能被及时发现和解决造成。因此,微小故障的危害不容忽视,对微小故障进行及时的检测和分离,并采取有效的防护措施对保障工业过程安全、高效运行具有重要意义。由于工业过程的复杂性不断增加,其精确的数学解析模型通常难以获得,从而使得传统的基于模型的故障诊断方法受到限制。而基于数据的过程监控和故障诊断方法无需过程精确的解析模型,只是利用过程在正常工况下的大量测量数据建立相应的数据模型,并将该模型应用于在线诊断。作为基于数据故障诊断领域的重要分支,多元统计过程监控技术在过去的二十多年时间里取得了长足发展,并成功应用于诸如石油化工、半导体制造等工业过程。故障检测和故障分离是过程监控的两个基本目标,前者用于判断过程是否发生了故障,后者用于确定故障的种类或者找出发生故障的变量。在多元统计过程监控中,主元分析方法被广泛应用于故障检测;重构贡献图方法(AlcalaCF,QinSJ.Reconstruction-basedcontribu ...
【技术保护点】
一种工业过程微小故障的检测和分离方法,其特征在于,包括如下步骤:a采集工业过程正常工况下的一段传感器测量数据作为训练数据集,并建立该训练数据集的主元分析模型;b给定合适的滑动时间窗口宽度,计算训练数据集中每个样本的每个变量具有的改进重构贡献值;c确定每个变量的改进重构贡献的控制限;d采集工业过程实时工况下的传感器测量数据作为测试数据,测试数据中的测量变量与步骤a中训练数据集的测量变量相对应;e计算测试数据中每个变量的改进重构贡献,并与步骤c中相对应的控制限进行比较,对所述测试数据进行故障分析;f若步骤e中故障分析的结果为有故障发生,则将具有最大改进重构贡献值的变量确定为故障变量,以实现故障分离。
【技术特征摘要】
1.一种工业过程微小故障的检测和分离方法,其特征在于,包括如下步骤:
a采集工业过程正常工况下的一段传感器测量数据作为训练数据集,并建立该训练数据
集的主元分析模型;
b给定合适的滑动时间窗口宽度,计算训练数据集中每个样本的每个变量具有的改进重
构贡献值;
c确定每个变量的改进重构贡献的控制限;
d采集工业过程实时工况下的传感器测量数据作为测试数据,测试数据中的测量变量与
步骤a中训练数据集的测量变量相对应;
e计算测试数据中每个变量的改进重构贡献,并与步骤c中相对应的控制限进行比较,
对所述测试数据进行故障分析;
f若步骤e中故障分析的结果为有故障发生,则将具有最大改进重构贡献值的变量确定
为故障变量,以实现故障分离。
2.根据权利要求1所述的一种工业过程微小故障的检测和分离方法,其特征在于,所述
步骤b具体为:
根据下式计算训练数据集中每个样本的每个变量具有的改进重构贡献值:
IRBC i , k = ( ξ i T Φ x ‾ k ) 2 ξ i T Φξ i ; ]]>式中,IRBCi,k的下标i,k表示计算的是训练数据集中第k个样本的第i个变量的改进重构
贡...
【专利技术属性】
技术研发人员:周东华,纪洪泉,何潇,卢晓,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东;37
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。