一种数据驱动的闭环工业过程传感器故障诊断方法技术

本发明专利技术公开了一种数据驱动的闭环工业过程传感器故障诊断方法，具体涉及工业过程传感器故障监测技术领域。该诊断方法包括：采集闭环工业过程在正常工况运行时的测量数据作为训练数据，并建立该训练数据的慢特性分析模型；基于经验方式确定慢特性分析模型中每个故障检测指标的控制限；采集闭环工业过程实时工况下的测量数据作为测试数据；计算测试数据的故障检测指标，并与上述相应的控制限进行比较，对测试数据进行故障分析；若故障分析的结果为有故障发生，则对照故障检测指标所展示的模式指定相应的传感器故障类型，实现故障分类。本发明专利技术无需复杂工业过程的数学模型，并可以有效地处理闭环控制下工业过程传感器故障的检测和分类。

A Data-Driven Fault Diagnosis Method for Closed-Loop Industrial Process Sensors

The invention discloses a data-driven closed-loop industrial process sensor fault diagnosis method, which specifically relates to the technical field of industrial process sensor fault monitoring. The diagnostic methods include: collecting the measured data of closed-loop industrial process under normal working conditions as training data and establishing the slow characteristic analysis model of the training data; determining the control limits of each fault detection index in the slow characteristic analysis model based on empirical method; collecting the measured data under real-time working conditions of closed-loop industrial process as testing data; and calculating the faults of the test data. The detection index is compared with the corresponding control limit mentioned above, and the fault analysis of the test data is carried out. If the result of the fault analysis is that there is a fault, the corresponding sensor fault type is specified according to the mode displayed by the fault detection index, and the fault classification is realized. The invention does not need the mathematical model of complex industrial process, and can effectively deal with the detection and classification of sensor faults in industrial process under closed-loop control.

【技术实现步骤摘要】
一种数据驱动的闭环工业过程传感器故障诊断方法
本专利技术涉及工业过程传感器故障监测
，具体涉及一种数据驱动的闭环工业过程传感器故障诊断方法。
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可靠性、设备可维护性以及降低事故风险，已成为当前学术界和工业界的研究热点之一。在故障诊断领域，基于模型的故障诊断技术发展较为成熟，而数据驱动的过程监控与故障诊断技术在近年来却得到了迅速发展。主要有如下两点原因：一方面，当前复杂工业过程的机理模型通常难以获得，或者需要付出大量的人力和物力，且得到的模型精度没有严格保证；另一方面，随着传感器技术的不断提高以及分布式控制系统DCS的广泛使用，工业过程运行中可以获得大量的测量数据。这些测量数据包含有工业过程运行状况的重要信息，对于实时监控与诊断具有重要意义。此外，为了实现被控系统的稳定以及确保产品质量，闭环控制通常被广泛应用于工业过程之中。对闭环工业过程而言，处于闭环控制中的传感器具有重要地位，其正常与否直接影响着闭环控制系统的性能。例如，当闭环中的测量传感本文档来自技高网...

【技术保护点】
1.一种数据驱动的闭环工业过程传感器故障诊断方法，其特征在于，包括：步骤一，采集闭环工业过程在正常工况运行时的一段测量数据作为训练数据集，并建立该训练数据集的慢特性分析模型；步骤二，基于经验方式确定慢特性分析模型中每个故障检测指标的控制限；步骤三，采集闭环工业过程实时工况下的测量数据作为测试数据，测试数据中的测量变量与步骤一中训练数据集的测量变量相对应；步骤四，计算测试数据的故障检测指标，并与步骤二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；步骤五，若步骤四中故障分析的结果为有故障发生，则对照故障检测指标所展示的模式指定相应的传感器故障类型，实现故障分类。

【技术特征摘要】
1.一种数据驱动的闭环工业过程传感器故障诊断方法，其特征在于，包括：步骤一，采集闭环工业过程在正常工况运行时的一段测量数据作为训练数据集，并建立该训练数据集的慢特性分析模型；步骤二，基于经验方式确定慢特性分析模型中每个故障检测指标的控制限；步骤三，采集闭环工业过程实时工况下的测量数据作为测试数据，测试数据中的测量变量与步骤一中训练数据集的测量变量相对应；步骤四，计算测试数据的故障检测指标，并与步骤二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；步骤五，若步骤四中故障分析的结果为有故障发生，则对照故障检测指标所展示的模式指定相应的传感器故障类型，实现故障分类。2.如权利要求1所述的一种数据驱动的闭环工业过程传感器故障诊断方法，其特征在于，所述步骤一中，工业过程的测量数据不仅包含传感器测量数据，还包含闭环控制器的输出值以及执行器取值；选择式(1)和式(2)所示的两个指标作为所建立的慢特性分析模型的故障检测指标：T2＝sTs(1)其中，s表示通过建立慢特性分析模型而得到的慢特性向量，表示慢特性向量关于时间的一阶导数，离散情形可用一阶差分代替；慢特性向量s的计算方式为s＝WTx，其中x为原始测量去均值后的样本，矩阵参数W可以通过慢特性分析模型算法求解得到；故障检测指标S2中的矩阵Ω为对角阵，每个非零对角元素由小到大按照升序排列，也通过慢特性分析...

【专利技术属性】
技术研发人员：周东华，纪洪泉，卢晓，钟麦英，王友清，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东,37