一种基于OICA的复杂工业过程故障监测方法技术

本发明专利技术公开了一种基于OICA的复杂工业过程故障监测方法，以提高工业过程故障监测的准确性，对于提高生产过程安全性，保证生产设备和生产人员安全，提高产品质量有重要的意义。本发明专利技术包括“离线建模”和“在线监测”两个阶段。“离线建模”包括：对原始数据进行预处理；采用OICA提取数据的独立主成分和残差；分别在独立成分空间和残差空间通过核密度估计计算控制限。“在线监测”包括：对当前采样时刻的数据进行预处理；计算当前时刻数据的统计量，并与控制限进行对比以判断发酵过程是否运行正常。本发明专利技术方法无需假设数据服从高斯分布，计算复杂度低，而且不受混合矩阵形式的限制，因此故障监测效果更好。

A Fault Monitoring Method for Complex Industrial Process Based on OICA

【技术实现步骤摘要】
一种基于OICA的复杂工业过程故障监测方法
本专利技术涉及基于数据驱动的故障监测
，特别是涉及一种针对复杂工业过程的故障监测技术。本专利技术的基于数据驱动的方法即是在典型复杂工业过程——青霉素发酵过程故障监测方面的具体应用。
技术介绍
工业过程安全是新一代工业革命的重要保障之一。过程监测技术是实现工业过程安全生产的重要手段，是保障制造业转型升级，实现智能制造的基本技术之一。随着现代传感器技术的发展和数据存储技术的进步，大量的工业过程数据被保留下来，从而促进了基于数据驱动的过程监测方法的应用。目前，以主成分分析(PrincipalComponentAnalysis，PCA)和偏最小二乘分析(PartialLeastSquares，PLS)为主的多元统计过程监测方法(MultivariateStatisticalProcessMonitoring，MSPM)在实际生产过程中得到了广泛的应用。但是以上方法均需要假设过程数据服从高斯分布，而实际工业现场的数据往往不满足这种理想化的假设，从而极大的限制了其应用范围。基于独立成分分析(IndependentComponentAnalysis,ICA)的过程监测方法因其不要求数据满足高斯分布而受到学术界和工业界的广泛关注。传统独立主成分分析算法为了保证收敛性要求观测信号之间是相互独立的，因此在运算前需要对数据进行初步的白化处理，然而经过白化处理后的数据不可避免的会导致信息损失。而且，在计算解混矩阵时所采用快速ICA算法需要进行大量的迭代运算，时间成本较高。此外，在选择独立主成分时缺乏统一的标准，从而导致无法产生稳定的监测结果。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种基于OICA(OvercompleteIndependentComponentAnalysis)的复杂工业过程故障监测方法。OICA算法由麻省理工学院的AnastasiaPodosinnikova等人提出，该算法无需假设数据服从高斯分布，计算复杂度低，而且不受混合矩阵形式的限制。通过OICA算法将原始数据划分为主元空间和残差空间，并分别建立监测统计量，能够有效减少过程监测中误报、漏报的发生，提高故障监测的准确性。本专利技术采用了如下的技术方案及实现步骤：A.离线建模阶段：1)采集发酵过程正常工况下的历史数据，所述的历史数据X由离线测试得到的一批次青霉素发酵生产过程正常操作状态的数据构成，一批次数据包含N个采样时刻，每个采样时刻采集J个过程变量形成数据矩阵其中，对于每个采样时刻xi＝(xi，1，xi，2，…，xi，j)，xi，j表示第i个采样时刻的第j个变量的测量值；2)对历史数据进行标准化处理，处理方式如下：首先计算历史数据X所有过程变量的均值和标准差，其中第j个变量所有时刻的均值第j个变量所有时刻的标准差xi，j表示第i个采样时刻的第j个变量的测量值j＝1，…，J。3)然后对历史数据X进行标准化，其中第i个采样时刻的第j个变量的标准化公式如下：其中，i＝1，2，…N，j＝1，2，…J；4)将步骤2)标准化后的数据重新构造成二维矩阵，如下式所示：其中，i＝1，2，…N，j＝1，2，…J；5)利用OICA算法计算解混矩阵W，得到独立成分S如下式所示：再根据独立成分S得到残差，如下式所示：E＝S-WS6)分别计算独立成分空间的统计量I2和残差空间的统计量SPE，如下式所示：I2＝STSSPE＝ETE7)利用核密度估计算法求得上述I2和SPE统计量在预设置信限时的估计值，并将其作为模型的控制限；B.在线监测阶段：8)采集青霉素发酵过程当前采样时刻k的J个过程变量的测量值xk，并根据步骤2)中得到的均值和标准差进行标准化，得到其中，当前采样时刻k的第j个过程变量的标准化公式如下：其中，j＝1，2，…J；9)提取经标准化后k时刻数据的独立成分，计算公式如下：再根据独立成分Sk得到k时刻数据的残差，如下式所示：其中W为步骤4)中所确定的分离矩阵；10)计算当前采样时刻k的监控统计量和SPEk，如下式所示：SPEk＝Ek′Ek11)将上述步骤得到的监控统计量和SPEk与步骤6)得到的控制限进行比较，如果超限则认为发生故障并报警；否则即认为是正常；12)若发酵过程完毕，则终止监测；否则采集下一时刻数据，返回步骤8)，继续进行过程监测。有益效果与现有技术相比，本专利技术采用OICA提取独立成分，分别在独立元和残差空间分别建立监测统计量，并应用于青霉素发酵生产过程中。OICA算法无需假设数据服从高斯分布，不受混合矩阵形式的限制，不存在白化过程所造成的信息损失的问题，而且计算复杂度低。本专利技术方法可以减少过程监测中误报、漏报的发生，提高故障监测的准确性。附图说明图1为本专利技术的方法流程图；图2(a)本专利技术方法对故障1的I2监测效果图；图2(b)本专利技术方法对故障1的SPE监测效果图；图3(a)PCA方法对故障1的T2监测效果图；图3(b)PCA方法对故障1的SPE监测效果图；图4(a)本专利技术方法对故障2的I2监测效果图；图4(b)本专利技术方法对故障2的SPE监测效果图；图5(a)PCA方法对故障2的T2监测效果图；图5(b)PCA方法对故障2的SPE监测效果图；图6(a)本专利技术方法对故障3的I2监测效果图；图6(b)本专利技术方法对故障3的SPE监测效果图图7(a)PCA方法对故障3的T2监测效果图；图7(b)PCA方法对故障3的SPE监测效果图；具体实施方式青霉素补料分批发酵是一个典型的含有较多相互耦合关系变量的生物化学反应间歇过程。基于Bajpai机理模型改进的Birol模型，伊利诺科技学院的Cinar教授领导过程建模及控制研宄小组创建开发了Pensim2.0青霉素生产仿真软件，此仿真平台是专门为青霉素发酵过程而设计的，在此平台上可以简易实现青霉素发酵过程的一系列仿真，Pensim2.0仿真平台所采样的过程变量见表1表1过程变量为了验证本专利技术的故障监测性能，构造了以下几种故障数据，具体描述如表2。表2故障数据本专利技术在上述青霉素发酵生产仿真平台的应用过程具体陈述如下：A.离线建模阶段：步骤1：通过Pensim2.0仿真平台采集一批正常工况下的操作数据作为训练数据集。实验设置每批次包含16个过程变量400个采样时刻的测量值。采样得到的数据集表示为X(400×16)，即每行代表每个采样时刻所有过程变量的测量值，每一列代表每个过程变量所有采样时刻的测量值。通过Pensim2.0仿真平台仿真产生一批故障工况下的操作数据作为测试数据集,实验设置每批次包含16个过程变量400个采样时刻的测量值,。采样得到的数据集表示为Xtest(400×16)，即每行代表每个采样时刻所有过程变量的测量值，每一列代表每个过程变量所有采样时刻的测量值。步骤2：对X＝(400×16)进行标准化处理。首先计算第j个变量所有时刻的均值和标准差其中xi，j表示第i个采样时刻第j个过程变量的测量值。然后对X(400×16)标准化，其中第i个采样时刻第j个过程变量的标准化公式如下其中，i＝1，2，…400，j＝1，2，…16；步骤4：标准化后的数据重新构造成二维矩阵，如下式所示：其中，i＝1，2，…400，j＝1，2，…16；步骤5：利用Matlab构造OIC本文档来自技高网...

【技术保护点】
1.一种基于OICA的复杂工业过程故障监测方法，其特征包括“离线建模”和“在线监测”两个阶段，具体步骤如下：A.离线建模阶段：1)采集发酵过程正常工况下的历史数据，所述的历史数据X由离线测试得到的一批次发酵生产过程正常操作状态的数据构成，一批次数据包含N个采样时刻，每个采样时刻采集J个过程变量形成数据矩阵

【技术特征摘要】
1.一种基于OICA的复杂工业过程故障监测方法，其特征包括“离线建模”和“在线监测”两个阶段，具体步骤如下：A.离线建模阶段：1)采集发酵过程正常工况下的历史数据，所述的历史数据X由离线测试得到的一批次发酵生产过程正常操作状态的数据构成，一批次数据包含N个采样时刻，每个采样时刻采集J个过程变量形成数据矩阵其中，对于每个采样时刻xi＝(xi，1，xi，2，…，xi，j)，xi，j表示第i个采样时刻的第j个变量的测量值；2)对历史数据进行标准化处理，处理方式如下：首先计算历史数据X所有过程变量的均值和标准差，其中第j个变量所有时刻的均值第j个变量所有时刻的标准差xi，j表示第i个采样时刻的第j个变量的测量值j＝1，…，J。3)然后对历史数据X进行标准化，其中第i个采样时刻的第j个变量的标准化公式如下：其中，i＝1，2，…N，j＝1，2，…J；4)将步骤2)标准化后的数据重新构造成二维矩阵，如下式所示：其中，i＝1，2，…N，j＝1，2，…J；5)利用OvercompleteICA算法计算解混矩阵W，...

【专利技术属性】
技术研发人员：常鹏，张祥宇，卢瑞炜，王普，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11