【技术实现步骤摘要】
一种已知纯滞后的闭环加热釜系统的执行器故障诊断方法
本专利技术涉及过程数据分析
，尤其涉及一种已知纯滞后的闭环加热釜系统的执行器故障诊断方法。
技术介绍
数据驱动的方法诊断故障，一方面可以很大程度降低对机理模型的依赖，另一方面可以减少由于人为分析，排查等导致的错误诊断。有的故障诊断方法选取某段正常数据作为建模数据，训练过程模型，实现故障诊断，有的执行器故障检测方法缺乏对故障原因的诊断。实际工业过程中，闭环控制已被广泛应用，因此收集到的数据均为闭环数据。一方面反馈的存在使得执行器反复调节，成为故障多发部件；另一方面闭环数据在无外部激励信号或其他先验知识的情况下不具备辨识开环模型的能力，同时反馈控制会影响故障的传播。因此反馈控制下的执行器故障诊断是数据驱动的故障诊断挑战性问题之一。利用过程的纯滞后，可获得反馈不变性质，有潜力成为闭环系统执行器故障诊断的有效方法。而串联连续搅拌加热釜设备，是一种存在多个相关控制变量的闭环加热釜温度控制系统，对加热釜的故障诊断带来了难度，或对加热釜的故障诊断准确性较低。专利技术...
【技术保护点】
1.一种已知纯滞后的闭环加热釜系统的执行器故障诊断方法，其特征在于，所述执行器故障诊断方法包括以下步骤：/nS1、数据准备与预处理：收集正常运行下的去均值化的输入变量，组成m维的输入向量u
【技术特征摘要】
1.一种已知纯滞后的闭环加热釜系统的执行器故障诊断方法，其特征在于，所述执行器故障诊断方法包括以下步骤：
S1、数据准备与预处理：收集正常运行下的去均值化的输入变量，组成m维的输入向量uk,k＝1,2,…,N，为釜I的加热器功率、为釜II的加热器功率、为釜II的冷水阀门开度；
收集去均值化的输出变量，组成m维的输出向量yk,k＝1,2,…,N，为釜I的温度、为釜II的温度、为釜II的冷水流量；N为样本数，m＝3；
收集待诊断的故障样本和k＝kf,kf+1,…,kf+q，所述为由于执行器故障导致的去均值化的错误输入变量组成的错误输入向量，为由于执行器故障导致的去均值化的错误输出变量组成的错误输出向量，kf为故障发生时刻，q+1为故障样本数；
所述执行器包括釜I的加热器、釜II的加热器、釜II的冷水阀门，分别通过调节输入变量使加热釜保持温度和液位稳定在设定值，所述执行器故障包括釜I的加热器功率的偏差故障，釜II的加热器功率的偏差故障以及釜II的冷水阀门开度的噪声故障；
S2、闭环参数结构约束：基于已知的过程最小纯滞后d，获得闭环系统的反馈不变系数矩阵，并约束所述反馈不变系数矩阵为对角结构；
S3、闭环系统参数辨识：利用步骤S2所述的闭环参数结构约束与所述输入向量和输出向量辨识闭环系统的参数矩阵
S4、开环系统参数辨识：利用所述输入向量和输出向量以及所述闭环系统的参数矩阵辨识开环系统自回归模型，所述开环系统自回归模型为：其参数为：
其中，A、B、C、K分别为开环过程的状态空间模型参数，分别为闭环系统的状态空间模型参数，ek为新息序列，k为时间标签，p为人为给定的大于i的整数，表示模型的动态阶数；
S5、执行器故障诊断：利用收集到的错误输入向量和错误输出向量，以及辨识的所述开环系统自回归模型得到故障模型，根据故障模型计算对各执行器故障的相对贡献，平均相对贡献最高的输入变量为该执行器故障诊断结果，所述故障模型为
其中，
第j个执行器在故障时刻i的所述其中为向量中第j个分量，每种故障单独发生，q+1个故障时刻的平均相对贡献最高时对应的输入变量为第j个执行器故障的诊断结果。
2.根据权利要求1所述的一种已知纯滞后的闭环加热釜系统的执行器故障诊断方法，其特征在于，步骤S2中所述的反馈不变系数矩阵包括：
约束所述反馈不变系数矩阵为对角...
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。