一种基于GA-ICA的新型分散式非高斯过程监测方法技术

本发明专利技术公开一种基于GA‑ICA的新型分散式非高斯过程监测方法，旨在利用十进制的遗传算法求解ICA模型，并推导出多块ICA算法的实施过程，在此基础上即可实施分散式的非高斯过程监测。本发明专利技术方法在实施多块建模的过程中，首先利用十进制的遗传算法求解所有测量变量对应的分离向量与独立成分，然后再根据各个变量子块的独特性，将各变量子块对应的独立成分分离出来。因此，本发明专利技术方法在实施多块建模时综合考虑了所有测量变量的整体性与各变量子块的局部特性，这是一种全新的分散式非高斯过程监测方法。此外，具体实施案例中将会验证本发明专利技术方法的优越性，从而说明本发明专利技术方法是一种更为优选的分散式非高斯过程监测方法。

【技术实现步骤摘要】
一种基于GA-ICA的新型分散式非高斯过程监测方法
本专利技术涉及一种数据驱动的过程监测方法，尤其涉及一种基于GA-ICA的新型分散式非高斯过程监测方法。
技术介绍
在工业“大数据”热潮下，现代工业过程逐步走向数字化管理。由于生产过程对象可以离线存储与在线测量海量的数据，这些数据蕴含着能体现生产过程运行状态的信息，利用采样数据实施过程运行状态的监测于是乎得到了较多学者们的青睐。事实上，无论是学术界还是工业界，都投入了大量的人力与物力研究以故障检测为核心任务的过程监测方法。在数据驱动的过程监测研究领域，统计过程监测是被研究得最多的方法，其中当以主成分分析(PrincipalComponentAnalysis，PCA)与独立成分分析(IndependentComponentAnalysis，ICA)为最主流的实施技术手段。相比于PCA算法，ICA算法因能够挖掘出数据中潜藏的非高斯成分信息，更能揭示对象的本质，因此更适合于非高斯过程对象的监测。且在已有的科研文献与专利信息中可以发现，ICA方法的故障检测效果一般不亚于PCA方法。<br>传统ICA方法本文档来自技高网...

【技术保护点】
1.一种基于GA-ICA的新型分散式非高斯过程监测方法，其特征在于，包括以下步骤：/n离线建模阶段包括步骤(1)至步骤(7)：/n步骤(1)：在生产过程对象正常运行状态下，采集n个样本数据x

【技术特征摘要】
1.一种基于GA-ICA的新型分散式非高斯过程监测方法，其特征在于，包括以下步骤：
离线建模阶段包括步骤(1)至步骤(7)：
步骤(1)：在生产过程对象正常运行状态下，采集n个样本数据x1，x2，…，xn组成训练数据矩阵X＝[x1，x2，…，xn]∈Rm×n，并计算均值向量μ＝(x1+x2+…+xn)/n以及标准差向量δ∈Rm×1：



其中，⊙表示向量(xi-μ)与(xi-μ)中的对应元素相乘、xi∈Rm×1表示第i个样本数据、m为测量变量的总个数、i＝1，2，…，n、R为实数集，Rm×n表示m×n维的实数矩阵；
步骤(2)：根据公式对样本数据x1，x2，…，xn分别实施标准化处理，从而得到矩阵其中，表示向量(xi-μ)与标准差向量δ中的对应元素相除，为标准化后的数据向量；
步骤(3)：根据生产过程对象的组成结构，确定各个生产单元所涉及到的测量变量，以此将m个测量变量分成B个变量子块，并根据这B个变量子块从矩阵中选取相应的行向量分别组成B个子块矩阵
步骤(4)：设置分离向量的个数为D，并利用十进制的遗传算法求解矩阵的D个分离向量w1，w2，…，wD、D个混合向量p1，p2，…，pD、以及D个独立成分向量t1，t2，…，tD；
步骤(5)：根据D个分离向量w1，w2，…，wD，依次对B个变量子块矩阵实施独立成分的提取，具体的实施过程如下所示：
步骤(5.1)：初始化d＝1；
步骤(5.2)：根据步骤(3)中的B个变量子块，从第d个分离向量wd中选取相应的元素分别组成B个变量子块对应的分离向量wd(1)，wd(2)，…，wd(B)；
步骤(5.2)：针对b∈{1，2，…，B}的所有取值，分别判断是否满足条件：若否，则依次根据公式与分别计算第b个变量子块对应的独立成分向量td(b)与载荷向量ad(b)后，跳转至步骤(5.3)；若是，则将第b个变量子块对应的分离向量w1(b)，w2(b)，…，wd(b)组成分离矩阵Wb，并将已计算出的第b个变量子块对应的所有独立成分向量与所有载荷向量分别组成独立成分矩阵Tb与载荷矩阵Pb后，再跳转至步骤(5.4)；
步骤(5.3)：根据公式更新第b个变量子块矩阵后，跳转至步骤(5.5)；
步骤(5.4)：保留第b个变量子块对应的独立成分矩阵Tb、分离矩阵Wb、以及载荷矩阵Pb；
步骤(5.5)：判断是否满足条件：d＜D？若是，则置d＝d+1后，返回步骤(5.2)；若否，则得到所有B个变量子块对应的分离矩阵W1，W2，…，WB及载荷矩阵P1，P2，…，PB；
步骤(6)：先根据公式Λb＝TbTbT/(n-1)计算协方差矩阵Λ1，Λ1，…，ΛB后，再根据公式Qb＝diag(TbTΛb-1Tb)计算监测统计指标向量Q1，Q2，…，QB，其中diag()表示将矩阵对角线的元素转变成向量的操作，上标号T表示矩阵或向量的转置；
步骤(7)：分别对监测统计指标向量Q1，Q2，…，QB中的元素按大小进行降序排列，并将第n/100个最大值分别做为各变量子块的监测统计指标上限CL1，CL2，…，CLB；
在线监测阶段执行如下所示步骤：
步骤(8)：收集新采样时刻的样本数据x∈Rm×1，并根据公式对x实施标准化处理得到向量
步骤(9)：根据步骤(3)中的B个变量子块，可对应地将向量分成B个子向量
步骤(10)：先根据公式分别计算各子向量对应的独立成分向量y1...

【专利技术属性】
技术研发人员：唐俊苗，童楚东，史旭华，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33