一种基于自适应主元分析的辊道窑能耗异常检测方法技术

本发明专利技术涉及一种检测方法技术领域，更具体地，涉及一种基于自适应主元分析的辊道窑能耗异常检测方法，具体步骤如下：(1)首先采集样本L，将采集到的样本标准化后计算协方差矩阵S；(2)对S进行特征分解，使用CPV法计算得到主元数量k,并截取特征向量和特征值，得到负荷矩阵P、特征值矩阵Λ；(3)计算初始的控制限

【技术实现步骤摘要】
一种基于自适应主元分析的辊道窑能耗异常检测方法
本专利技术涉及一种检测方法
，更具体地，涉及一种基于自适应主元分析的辊道窑能耗异常检测方法。
技术介绍
辊道窑是重要的一类陶瓷窑炉，主要用于建筑陶瓷材料生产，是陶瓷生产中主要的耗能设备。在陶瓷生产过程中，若由于物料、参数控制、人员等因素导致辊道窑的异常情况出现，会导致产品瑕疵以及能源浪费等问题，造成极大的经济损失，情况严重时甚至发生安全事故。实际情况下，通常采用人工巡查和根据经验观察仪器仪表等方式检查发现异常情况，有耗费人工、发现不及时等缺点。随着科技发展，目前大多数工业生产设备配备了数字仪表和工业计算机进行实时监控，并进行生产数据的采集和存储。针对这种数据量大，维度高的数据，使用数据驱动的方法进行异常检测十分合适。目前，PCA已经广泛应用于工业生产过程中，通过采集生产数据进行离线训练，构建主元模型，并计算统计量进行异常检测，其实用性已经得到了充分的验证。但实际的工业过程时常带有慢时变的特性，辊道窑的生产过程也有明显的时变特性，主要表现在状态变量的统计特性发生漂移，具体包括状态变量的本文档来自技高网...

【技术保护点】
1.一种基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，具体步骤如下：/n(1)首先采集样本，将采集到的样本标准化后计算协方差矩阵S；/n(2)对S进行特征分解，使用CPV法计算得到主元数量k,并截取特征向量和特征值，得到负荷矩阵P、特征值矩阵Λ；/n(3)计算初始的控制限

【技术特征摘要】
1.一种基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，具体步骤如下：
(1)首先采集样本，将采集到的样本标准化后计算协方差矩阵S；
(2)对S进行特征分解，使用CPV法计算得到主元数量k,并截取特征向量和特征值，得到负荷矩阵P、特征值矩阵Λ；
(3)计算初始的控制限和
(4)继续采集样本L一定时刻后的新样本，并且进行标准化；且对新样本与初始的控制限进行对比进行异常判定，若异常则输出异常信息结束，若正常则将该样本放入待更新系统且进行步骤(5)；
(5)循环(1)(2)(3(4)，直至需要更新的样本数量达到所需更新样本的数量，对其进行更新且进行异常信息判定，若异常则输出异常信息结束，若正常则将该样本放入待更新系统继续循环(1)(2)(3(4)，直至样本全部检测完毕，输出相应的异常样本。


2.根据权利要求1所述的基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，在步骤(4)中，对标准化后新样本进行异常检测的具体步骤为计算PCA模型的方差T2和统计量SPE，对其与标准值进行比较，判断是否出现异常；方差T2和统计量SPE的计算公式为：



SPE＝||(I-PPT)||x2(2)
其中，Λk＝diag(λ1,...,λk)为前k个协方差矩阵特征值,x为样本，P为负荷矩阵，I为残差子空间矩阵。


3.根据权利要求2所述的基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，在步骤(4)中，样本正常需要更新的样本需满足如下条件：

且
其中，μ为预设的比例系数，α为置信度，为统计量控制限，为置信度为α的控制限。


4.根据权利要求2所述的基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，在步骤(4)中，样本异常需要满足如下条件：



其中，SPE为统计量，为置信度为α的控制限。


5.根据权利要求3或4所述的基于自适应主元分析的辊道窑能耗异常检测方法，其特征在于，统计量控制限为：






其中，Fα(k,n-k)为带有k和n-k个自由度、置信水平为α的F分布临界值，cα为标准正态分布在置信水平α下的阈值。

【专利技术属性】
技术研发人员：徐康康，杨海东，印四华，朱成就，邹振弘，胡罗克，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44