【技术实现步骤摘要】
一种复杂化工生产过程的分布式监控与故障诊断方法
本专利技术属于自动化监控
，特别涉及一种复杂化工生产过程的分布式监控与故障诊断方法，其中，运用基于流程图划分子块和DICA(DynamicIndependentComponentAnalysis)实现分布式监控，进一步采用改进朴素贝叶斯CAWNB(Class-SpecificAttributeWeightingBayes)算法实现化工生产过程中的故障诊断问题。
技术介绍
随着复杂工业系统和传感器技术的迅速发展，故障诊断对于保证生产过程能够安全和高质量运行具有重要意义。而化工生产过程具有高维数、强耦合、自相关等复杂特征，难以准确提取有效特征进行诊断建模。为了解决这个问题，分布式监控(DistributedMonitoring)模型被广泛研究与应用。与集中式多变量统计过程监控模型(MultivariateStatisticsProcessMonitoring,MSPM)不同，分布式监控模型将过程变量划分为多个子块，用以降低流程复杂度和监控冗余。因此，如何划分子块是实现分布式监...
【技术保护点】
1.一种复杂化工生产过程的分布式监控与故障诊断方法，其特征在于，首先通过在基于流程图划分的子块中应用DICA方法实施分布式监控，然后通过将各子块监控结果二值化并应改进的加权朴素贝叶斯方法CAWNB划分故障类型。/n
【技术特征摘要】
1.一种复杂化工生产过程的分布式监控与故障诊断方法，其特征在于，首先通过在基于流程图划分的子块中应用DICA方法实施分布式监控，然后通过将各子块监控结果二值化并应改进的加权朴素贝叶斯方法CAWNB划分故障类型。
2.根据权利要求1所述的复杂化工生产过程的分布式监控与故障诊断方法，其特征在于，具体包括以下过程：
1)子块划分过程：根据生产单元将最具有表征性的系统变量划分为不同的子块，每个子块在朴素贝叶斯模型中被视为一个独立属性；
2)监控过程：将观测的数据矩阵拓展为具有时滞变量的动态增强矩阵，然后对于每个子块的数据应用FastICA算法计算独立成分并计算统计量I2和控制限，最后根据每个子块的I2统计量超限与否为子块的属性赋值1或0；
3)故障分类过程：根据训练集的监控结果得到条件概率，然后通过优化最小化均方误差的目标函数确定属性权值，最后使用加权过的条件概率计算后验概率，选择最大化后验概率的类别作为分类结果。
3.根据权利要求2所述的复杂化工生产过程的分布式监控与故障诊断方法，其特征在于，
1)子块划分过程中，系统变量S∈R1×V划分为S＝{s1，s2，...，sb}共b个子块，其中V表示系统关键变量的个数；
2)监控过程中，对于每一个子块的训练数据集应用数据矩阵增强技术，即使用先前τ个观测向量扩充当前的观测矢量，观测矩阵X＝[x(1)x(2)…x(n)]表示为：
其中，τ∈{1，2，3}；
X∈Rm×n为原数据的数据增强矩阵，n为样本数，m为变量数，观测数据为m个未知独立成分S∈Rm×n的线性组合，即X＝AS，其中A∈Rm×m是混合矩阵，通过FastICA算法以数据矩阵X求取解混矩阵W，进而得出独立成分矩阵过程如下：
首先将数据...
【专利技术属性】
技术研发人员：贺彦林，马永超，朱群雄，徐圆，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京;11
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。