基于自回归动态隐变量模型的工业过程故障检测方法技术

本发明专利技术涉及一种基于自回归动态隐变量模型的工业过程故障检测方法，该方法利用工业过程正常运行状态下的数据，建立了具有普适性的动态过程模型，该模型通过卡尔曼滤波器和平滑器以及期望最大化算法来预测模型结构，能够有效提取工业数据的动态和静态耦合关系；然后，基于该动态模型的动态和静态噪声构建了相应的监测统计量，获得了最后的故障检测结果。相比目前的其它方法，本发明专利技术可以大大提高工业过程动态建模以及故障检测的效果，减小故障误报率和漏报率，很大程度上改善了监测性能，增强了过程操作员对过程的理解能力和操作信心，更加有利于工业过程的自动化实施。

【技术实现步骤摘要】

本专利技术属于工业过程控制领域，具体地说是涉及一种基于自回归动态隐变量模型 的工业过程故障检测方法。
技术介绍
近年来，现代工业过程的实时监测与控制问题已经越来越得到了工业界和学术界 的重视。它在提升产品质量和保障生产过程安全稳定运行中起到了至关重要的作用，成为 了工业生产过程中不可或缺的一环。由于设备老化、操作不当、环境干扰等原因，生产过程 不可避免地会出现不同种类的过程故障，如果这些故障无法被及时发现并处理，其对生产 过程的扰动可能会不断地传播与放大，以致造成难以挽回的损失。因此，建立更加准确的过 程监测模型，快速准确地检测和诊断过程故障，已经成为了工业生产过程的研究热点与难 点之一〇 在传统的工业过程监测方法中，基于数据驱动的多元统计分析方法已经逐渐成为 工业过程监测的主流方法。这是因为一方面，现代工业过程日益复杂，难以获取过程准确的 机理模型，另一方面，集散控制系统的广泛应用使得生产中积累了大量的过程数据，因此， 利用数据驱动的方法建立相应的过程模型与监测模型已经被深入研究并被应用于工业界。 这其中，以静态PCA和PLS为代表，它们通过提取高维数据的低维特征，并本文档来自技高网...

【技术保护点】
一种基于自回归动态隐变量模型的工业过程故障检测方法，其特征在于：所述方法包括以下步骤：(1)利用集散控制系统收集的过程正常运行的数据组成建模用的训练样本集：Y＝[y1，y2，...,yK]，其中，Y∈RK×M，R为实数集，且RK×M表示Y满足K×M的二维分布，K为每一类的样本数，M为过程变量数；将上述数据存入历史数据库；(2)对样本集Y进行预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为(3)任意初始化模型参数：{A,C,R,Q,μL,VL}，其中，A∈RD×DL，C∈RM×D，R∈RM×M，Q∈RD×D，μL∈RDL×1，VL∈RDL×DL，R为实数集，D为模型动态...

【技术特征摘要】

【专利技术属性】
技术研发人员：周乐，侯北平，宋执环，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：浙江;33