一种基于复杂工业化工过程的V-PCA故障诊断方法技术

本发明专利技术公开了一种基于复杂工业化工过程的V‑PCA故障诊断方法。由于传统主元分析(PCA)特征提取不准确，在用于故障诊断时常存在误报率和漏报率较高的现象。为此，本发明专利技术采用一种新的数据预处理方法以改进PCA在故障诊断中的性能指标。相较于传统PCA方法的欧氏距离预处理方法，并不能够精确地反应数据之间的相关性。因此，提出了一种基于变化率预处理方法，有效的改善了PCA在故障诊断中的误报率和漏报率较高的情况。最后，通过仿真例子验证了传统PCA方法、基于变化率预处理的PCA方法。实验仿真结果表明，本发明专利技术方法具有较好的检测性能。

【技术实现步骤摘要】
一种基于复杂工业化工过程的V-PCA故障诊断方法
本专利技术属于工业化工故障诊断领域，具体涉及一种基于复杂工业化工过程的V-PCA(基于变化率预处理的主元分析)故障诊断方法。
技术介绍
复杂工业化工过程中，设备和系统的故障会对生产安全、产品质量或效率产生不良影响，严重时甚至造成人身伤亡或对环境的污染。随着设备的集成度提高，工业环境日益复杂以及对产品质量要求的不断提升，人们对设备的安全性和可靠性要求也越来越高，因此故障诊断技术越来越受到重视。故障诊断的核心是诊断方法，现有的故障诊断方法主要可以分为两种：基于解析模型的故障诊断方法和基于数据驱动的故障诊断方法。基于数据驱动的方法是在对象难以建立精确的数学模型的情况下，通过过程数据从测量空间变换到特征空间后再作分析，从而实现对系统的故障诊断，而多元统计方法就是这种方法的代表，其中最常用的方法有主元分析(PCA)方法。虽然PCA方法在故障检测与故障诊断领域应用广泛，但是传统的PCA数据预处理通常采用标准化使数据无量纲化，忽视了量纲对变量之间相关性的影响，从而会导致标准化后信息的缺失。而在实际系统本文档来自技高网...

【技术保护点】
1.一种基于复杂工业化工过程的V-PCA故障诊断方法，其特征在于该方法具体是：/n数据预处理阶段：/nX1步，将采集到的原始的复杂的工业化工TE数据集构造成多维变量系统矩阵X

【技术特征摘要】
1.一种基于复杂工业化工过程的V-PCA故障诊断方法，其特征在于该方法具体是：
数据预处理阶段：
X1步，将采集到的原始的复杂的工业化工TE数据集构造成多维变量系统矩阵Xn∈Rm×n,Xn如下所示；



其中，列向量xi(j)＝[x1(j),x2(j),...xm(j)]T,i＝1,2,...,m,j＝1,2,...,n代表系统变量，对数据矩阵进行预处理，Xn的各变量样本的均值向量为bn
X2步，计算Xn的各变量样本的均值向量



其中，lm＝[1,1,...1]∈R1×m，将原始数据经过变换得到矩阵X*；



其中变换方法如下



该式的物理意义，以各个变量的样本均值为中心，变化率表示原始数据偏离中心的程度；那么，通过对正常样本数据的预处理后所得到的变化率来检验实时采集的测试样本数据是否落在正常范围内，如果投影在正常区域外，即为发生故障；
建立V-PCA模型阶段：
Y1步，对上述的数据矩阵X*进行协方差分解，并选择主元的个数，得到如下式子



其中，Λ＝diag{λ1,λ2,…,λm}是S的特征值矩阵，而且其对角线上的元素满足λ1>λ2>…>λm，V∈Rm×m是S的特征向量矩阵，P∈Rm×r是V的前r列包含所有主元信息，是V...

【专利技术属性】
技术研发人员：鲍中新，文成林，林志鹏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33