The invention relates to an abnormal trend detection method and a device for industrial process variables. By collecting the data of a certain industrial process variable in real time, the long-period mean and the short-period mean are established respectively by taking advantage of the characteristics that the variable data have a certain trend in a long period of time and have a random fluctuation in a short period of time. According to the trend characteristics of different acquisition points, the upper and lower thresholds are set adaptively. When the trend characteristics of a certain acquisition point exceed the threshold upper and lower limits, the trend anomaly of the industrial process variables corresponding to the trend variables is determined. The principle of the present invention is simple, and it does not need to train the historical data, only needs simple statistical processing for the real-time collected data, and can reflect the abnormal change characteristics of industrial parameters by the change of trend characteristic variables, and the threshold setting for judging the abnormal change can be adaptively changed according to the current acquisition point. It has strong adaptability.
【技术实现步骤摘要】
一种工业过程变量趋势异常检测方法及装置
本专利技术属于工业生产过程中生产安全监控
,具体涉及一种工业过程变量趋势异常检测方法及装置。
技术介绍
在工业生产过程中,尤其是对于石化、冶金、石油钻井等工业流程,大量存在由模糊性因素、随机性因素和不确定性因素导致的设备故障、工艺异常等状况,一旦发生事故,将造成资金和时间上的巨大浪费和损失。一般地,流程工业中故障的发生和发展是一个复杂的多因素过程,难以用经典的数学模型进行描述和预警,目前大多数都是通过模糊模型、专家系统等构造预警模型来完成故障的推理判断,而要实现这一切的基础是能够对工业过程变量参数的异常进行有效的检测。正常情况下,工业过程中的主要变量参数变化趋势比较平稳,而当主要变量参数发生明显的趋势变化时,往往意味着过程变量参数发生了异常变化,这有可能是某些设备故障、工艺异常造成的,如钻井中的井漏、溢流、卡钻现象,再如水泥窑生产中预热器管路问题等。及早的检测并发现过程变量参数的异常变化,对系统的故障预警预测至关重要。工业过程中有一类过程变量参数的异常是经过一个缓慢变化的过程发生的,如钻井工程中的井漏、钻具刺漏等工程异常现象,这些现象都有一个积累、发展、扩大的过程,表现在变量上是如总池体积、立压、出口流量等数据的趋势性异常变化,同时这些变量还伴有随机变化、随机干扰等问题,因此不仅需要对变量的趋势性变化进行检测,还需要克服随机干扰等问题;再比如医药工业中反应釜中温度压力的异常变化,也是有一个积累、超限的过程。针对上述类型变量参数的趋势性检测方法,其设计原则是:计算简便,不需要复杂的模型,能够克服野点所带来的影响, ...
【技术保护点】
1.一种工业过程变量趋势异常检测方法,其特征在于,包括以下步骤:1)利用所述工业过程变量构造趋势特征量,包括以下子步骤:1‑1)采集所述工业过程变量,计算当前采集点前ST秒内的数据均值,作为短周期均值,计算当前采集点前LT秒内的数据均值,作为长周期均值,其中ST的值小于LT的值;1‑2)将所述短周期均值与长周期均值作差,作为均值差,计算该均值差在当前采集点前LT秒内的动态均值;当前采集点前LT秒内,对均值差连续大于零或等于零的区间数据进行累加,作为相应区间的正向均值差累积量;对均值差连续小于零的区间数据进行累加,并求取绝对值,作为相应区间的负向均值差累积量;1‑3)将所述正向均值差累积量、负向均值差累积量求和后,与所述动态均值进行乘积,乘积结果作为当前时刻的趋势特征量;2)计算起始采集点到当前采集点的区间内的趋势特征量的均值、方差,利用所述趋势特征量的均值和方差设定阈值上限和阈值下限;3)根据当前采集点的趋势特征量和所述阈值上限和阈值下限,判定所述工业过程变量是否趋势异常。
【技术特征摘要】
1.一种工业过程变量趋势异常检测方法,其特征在于,包括以下步骤:1)利用所述工业过程变量构造趋势特征量,包括以下子步骤:1-1)采集所述工业过程变量,计算当前采集点前ST秒内的数据均值,作为短周期均值,计算当前采集点前LT秒内的数据均值,作为长周期均值,其中ST的值小于LT的值;1-2)将所述短周期均值与长周期均值作差,作为均值差,计算该均值差在当前采集点前LT秒内的动态均值;当前采集点前LT秒内,对均值差连续大于零或等于零的区间数据进行累加,作为相应区间的正向均值差累积量;对均值差连续小于零的区间数据进行累加,并求取绝对值,作为相应区间的负向均值差累积量;1-3)将所述正向均值差累积量、负向均值差累积量求和后,与所述动态均值进行乘积,乘积结果作为当前时刻的趋势特征量;2)计算起始采集点到当前采集点的区间内的趋势特征量的均值、方差,利用所述趋势特征量的均值和方差设定阈值上限和阈值下限;3)根据当前采集点的趋势特征量和所述阈值上限和阈值下限,判定所述工业过程变量是否趋势异常。2.根据权利要求1所述的工业过程变量趋势异常检测方法,其特征在于,当所述趋势特征量的方差小于设定的最小方差阈值时,利用当前采集点前LT秒内不为零的最小的长周期变量标准差,作为新的最小方差阈值。3.根据权利要求1所述的工业过程变量趋势异常检测方法,其特征在于,在当前采集点前LT秒内,统计所有采集点的趋势特征量超出相应阈值上限和阈值下限之间的采样点数,当所述采样点数大于设定的数值时,判定所述工业过程变量趋势异常。4.一种工业过程变量趋势异常检测装置,其特征在于,包括以下单元:趋势特...
【专利技术属性】
技术研发人员:朱晓东,李广,王杰,马天磊,张方方,王河山,王东署,王书锋,
申请(专利权)人:郑州大学,
类型:发明
国别省市:河南,41
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。