一种基于自相关潜变量模型的化工过程状态监测方法技术

本发明专利技术公开一种基于自相关潜变量模型的化工过程状态监测方法，旨在以典型相关系数为衡量标准，从采样数据中挖掘出潜藏的自相关潜变量，从而基于此实现对化工过程运行状态实施有效监测。与传统方法相比，本发明专利技术方法涉及的自相关潜变量模型旨在挖掘存在显著自相关性的潜变量，可以显性地将采样数据中潜藏的特征区分成自相关的与静态的。其次，在后续的具体实施案例中，将会验证本发明专利技术方法相比于传统动态化工过程监测方法的优越性。因此，本发明专利技术方法是一种更优越的化工过程监测方法。

【技术实现步骤摘要】
一种基于自相关潜变量模型的化工过程状态监测方法
本专利技术涉及一种数据驱动的过程监测方法，尤其涉及一种基于自相关潜变量模型的化工过程状态监测方法。
技术介绍
现代化工工业生产系统的日趋复杂化与大型化的发展模式越来越注重计算机技术、先进仪器仪表技术，人工智能技术在管理生产、监控、调度等等问题上的应用。由于先进仪表与存储设备的大量安装使用，化工过程对象可以离线存储与在线实时测量海量的采样数据，这些数据中蕴含着能体现生产过程运行状态的潜在有用信息，为化工过程运行状态的监测奠定了充实的数据基础。因此，如何充分而有效地利用采样数据对化工过程中出现的故障工况进行实时监测体现了现代化工过程的数字化与智能化的管理水准。近十几年来，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数据驱动的故障检测方法与技术。这其中，统计过程监测是被研究得最多的方法技术，其中主成分分析(PrincipalComponentAnalysis，缩写：PCA)与独立成分分析(IndependentComponentAnalysis，缩写：ICA)为最主流的实施技术手段。这类方法技术本文档来自技高网...

【技术保护点】
1.一种基于自相关潜变量模型的化工过程状态监测方法，其特征在于，包括以下步骤：/n步骤(1)：采集化工过程正常运行状态下的n个样本数据x

【技术特征摘要】
1.一种基于自相关潜变量模型的化工过程状态监测方法，其特征在于，包括以下步骤：
步骤(1)：采集化工过程正常运行状态下的n个样本数据x1，x2，…，xn，组成训练数据矩阵X＝[x1，x2，…，xn]T∈Rn×m，并对X中各样本数据实施标准化处理得到矩阵其中m为测量变量数、R为实数集、Rn×m表示n×m维的实数矩阵、xi∈Rm×1与分别表示第i个样本数据及其标准化处理后的数据向量、i＝1，2，…，n、上标号T表示矩阵或向量的转置；
步骤(2)：设置自相关阶数D后，根据如下所示公式依次得到D个时间序列子块矩阵X1，X2，…，XD：



上式中，d＝1，2，…，D，N＝n-D+1；
步骤(3)：按照如下所述步骤(一)至步骤(四)求解得到投影变换基W∈Rm×m；
步骤(一)：初始化U为任意m×m维的随机实数矩阵；
步骤(二)：计算矩阵后，求解特征值问题ΦUμ＝ημ中所有特征值所对应的特征向量μ1，μ2，…，μm，并保证各特征向量的长度都为1且按照特征值大小的降序排列而进行先后排列，再更新矩阵U＝[μ1，μ2，…，μm]，其中k＝1，2，…，D、Ckλ＝XkTXλ、λ＝1，2，…，D、Hkλ的取值为：若k≠λ，则Hkλ＝1；若k＝λ，则Hkλ＝0；
步骤(三)：若U收敛，则执行步骤(四)；若U未收敛，则返回步骤(二)；
步骤(四)：根据公式计算得到投影变换基W；
步骤(4)：确定自相关潜变量的个数为d，再将投影变换基W对应分成两部分：W1与W2，其中，W1由投影变换基W中前d列的列向量组成，W2由W中后m-d列的列向量组成；
步骤(5)：根据公式与分别计算自相关潜变量矩阵与静态潜变量矩阵
步骤(6)：利用最小二乘回归算法建立输入矩阵与之间的回归模型：其中E为回归误差矩阵、表示回归系数矩阵；
步骤(7)：计算E的协方差矩阵Λ＝ETE/(N-1)，再根据公式ψ＝diag{EΛ-1ET}与分别计算监测指标向量ψ与Q，并利用核密度估计法分别确定出各监测指标向量在置信限α＝99％条件下的具体数值，分别对应记做δ与β，其中diag{}表示将矩阵对角线的元素转变成列向量的操作；
离线建模阶段至此完成，接下来进入在线监测阶段，包含以下所示实施步骤；
步骤(8)：收集新采样时刻的样本数据xt∈Rm×1，并对xt实施与步骤(1)中相同的标准化处理对应得到向量其中t表示最新采样时刻
步骤(9)：根据公式与分别计算自相关潜变量得分向量sD与静态潜变量得分向...

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