基于小波分析的工业生产过程故障诊断装置制造方法及图纸

一种基于小波分析的工业生产过程故障诊断装置，包括与工业过程对象连接的现场智能仪表、ＤＣＳ系统以及上位机，所述的ＤＣＳ系统由数据接口、控制站、数据库构成；智能仪表、ＤＣＳ系统、上位机依次相连，所述的上位机包括标准化处理模块、小波分解模块、主元分析功能模块、小波重构功能模块、支持向量机分类器功能模块以及故障判断模块。本实用新型专利技术提供一种同时考虑工业过程数据的复共线性、非线性特性和多尺度特性、能够得到良好的诊断效果的基于小波分析的工业生产过程故障诊断装置。（*该技术在2016年保护过期，可自由使用*）

Fault diagnosis device of industrial production process based on wavelet analysis

A fault diagnosis device of the industrial production process based on wavelet analysis, including the connection with industrial process intelligent instrument, DCS system and PC, the DCS system is composed of database, data interface, control station; intelligent instrument, DCS system and PC to PC connected to the standard processing module, wavelet decomposition module, principal component analysis function module, wavelet reconstruction function module, support vector machine classifier module and fault diagnosis module. The utility model provides a consideration of industrial process data to multicollinearity, the nonlinear characteristic and multi-scale characteristic, obtain good diagnosis effect of fault diagnosis based on wavelet analysis device in industrial production process.

【技术实现步骤摘要】

本技术涉及工业过程故障诊断领域，特别地，涉及一种基于小波分析的 工业生产过程故障诊断装置。(二)
技术介绍
由于产品质量、经济效益、安全以及环保的要求，工业过程和相关的控制系 统变的非常复杂，为了保证工业系统的正常运作，故障的诊断和检测在工业过程 中扮演着非常重要的角色。近年来，统计分析应用于过程监控和故障诊断得到了 广泛的研究。利用工业实测数据，采用统计的方法进行故障诊断，避开了复杂的机理分析， 求解相对方便。由于工业过程从本质上来说是具有多尺度特性的，比如微观、宏 观聚合动力学的空间多尺度特性，过程变量总是在不同采样率或尺度下得到的， 相应的控制或操作也是在不同的时间和空间尺度下发生的，多尺度特性往往对工 业过程产生重要有时甚至是本质上的影响。所以只有全面考虑到过程的复共线性、 非线性特性以及多尺度特性才能对过程进行准确、可靠的监控。但是目前的故障 诊断方法往往只考虑了工业过程的复共线性和非线性特性，而没有考虑到过程的 多尺度特性，对于多尺度特性影响严重的复杂工业过程的故障诊断往往难以得到 较好的诊断效果。(三)
技术实现思路
为了克服已有的故障诊断系统的没有考虑过程的多尺度特性、难以得到较好 的诊断效果的不足，本技术提供一种同时考虑工业过程数据的复共线性、非 线性特性和多尺度特性、能够得到良好的诊断效果的的基于小波分析的工业生产 过程故障诊断装置。本技术解决其技术问题所釆用的技术方案是-一种基于小波分析的工业生产过程故障诊断装置，包括与工业过程对象连接 的现场智能仪表、DCS系统以及上位机，所述的DCS系统由数据接口、控制站、 数据库构成；智能仪表、DCS系统、上位机依次相连，所述的上位机包括标准化处理模块，用于对数据进行标准化处理，各变量的均值为0,方差为1， 得到输入矩阵X，采用以下过程来完成一 l Wi)计算均值- tx-:2]7^，A !'=12)计算方差《=^"^(巧—3)标准化X=CT —^(6)(7)(8)其中，TX为训练样本，N为训练样本数；小波分解功能模块，用于采用Mallat塔式分解算法将原始信号分解为一系列 近似信息和细节信息，采用以下步骤来实现① 将原始信号空间Fo可以分解为一系列逼近空间Fj与细节空间『;，其 中J是最粗的尺度，也称为分解的尺度；② 计算逼近空间^。空间^由尺度函数(化"/)jez〉张成，采用下式来计算-^ 、(K0 = 2-J/2 (9)③ 计算细节空间^。细节空间^由小波函数^,必，"l，…"Ae Z}张成，采用下式来计算R ,2力/2 (TO) 其中/是尺度因子，A:是平移因子； 从而得到原始信息的分解信息，采用下式进行计算/(o=2XA"o+i2化,"o(11 )其中，第一项代表近似信息，第二项为细节信息，逼近因子^,*与细节因子4,*采 用Mallat算法计算；所述的近似信息A/W与细节信息A7(0 (/ = 1, 2， ...，■/)，定义如下 4/(0 = 5>^^(0 (12)，)=2化,) (13) 主元分析功能模块，用于进行主元分析提取主成分，采用协方差奇异值分解的方法，采用以下步骤来实现① 计算X的协方差阵，记为Z^;② 对I^进行奇异值分解，得到特征根、，&， ...， V其中？i^^…Ap，对应的特征向量矩阵为U; ◎计算总方差和每个特征值对应的方差贡献率，按各个特征值的方差贡 献率从大到小累加直到总的方差贡献率达到给定值；④ 选取特征向量矩阵U的前k列，作为变换系数矩阵T;⑤ 计算主元F = TxX;小波重构功能模块，用于进行小波重构，根据小波理论，将各尺度下得到的 主元相加，即得到总的主元；支持向量机分类器功能模块，用于核函数采用径向基函数 《(X,x) = exp(-jc, II/o"2)，将训练过程化为如下二次规划求解问题 ) = -^Za"局叫，x》 (14)! =1 ^ ,',/=1得到分类函数，即如下函数的符号函数/(x) = |>,",I(;c,，;c) + Z> (15)定义当f(X)〉K)，数据样本处于正常状态；当f(X)O时，处于异常状态； 信号采集模块，用于设定每次采样的时间间隙，采集现场智能仪表的信号； 待诊断数据确定模块，用于将采集的数据传送到DCS实时数据库中，在每个 定时周期从DCS数据库的实时数据库中，得到最新的变量数据作为待诊断数据VX;故障诊断模块，用于对待检测数据VX用训练时得到的^和o"〗进行标准化 处理，并将标准化处理后的数据作为小波分解模块的输入，用训练时相同的参数 对输入数据进行小波分解，得到的系数作为中主元分析模块的输入；用训练时得 到的变换矩阵T对输入进行变换，变换后矩阵输入到小波重构模块；将对应的数 据相加即得到原待测数据的主成分，并将所得到的主成分输入到支持向量机分类 器模块；将输入代入训练得到的判别函数，计算判别函数值，判别过程的状态。作为优选的一种方案所述的上位机还包括判别模型更新模块，用于定期 将过程状态正常的点添加到训练集VX中，输出到标准化处理模块、小波分解模 块、主元分析功能模块、小波重构功能模块，并更新支持向量机分类器的分类模型。作为优选的另一种方案所述的上位机还包括结果显示模块，用于将故障 诊断结果传给DCS系统，并在DCS的控制站显示过程状态，并通过DCS系统和 现场总线将过程状态信息传递到现场操作站进行显示。本技术同时考虑工业过程数据的复共线性、非线性特性和多尺度特性， 将主元分析、支持向量机和小波分析相结合，对工业过程进行故障诊断。其中， 主元分析用于处理工业过程生产数据的复相关性，支持向量机分类器用于解决非 线性分类问题，小波分析用于获取过程在不同尺度下的信息。本技术的有益效果主要表现在同时兼顾工业过程数据中的复相关性、 多尺度特性和非线性特性等特性，充分利用了主元分析，多尺度系统理论和支持 向量机各自的特点，将主元分析的解相关性能力，小波分析对信息不同尺度下的 强分解与重构能力以及支持向量机的多变量非线性映射能力很好地结合了起来， 发挥了各自的优势，使得故障诊断更加可靠有效，能更好的指导生产，提高生产 效益。附图说明图1是本技术所提出的故障诊断系统的硬件结构图。图2是本技术所提出的故障诊断系统功能模块图。 图3是小波分析的Mallat算法分解图。 图4是本技术上位机的原理框图。 具体实施方式以下结合附图对本技术作进一步描述。参照图l、图2、图3以及图4， 一种基于小波分析的工业生产过程故障诊断 系统，包括与工业过程对象1连接的现场智能仪表2、 DCS系统以及上位机6， 所述的DCS系统由数据接口3、控制站4、数据库5构成；智能仪表2、 DCS系 统、上位机6通过现场总线依次相连，所述的上位机6包括标准化处理模块7，用于对数据进行标准化处理，各变量的均值为O，方差为 1，得到输入矩阵X，采用以下过程来完成一i w1)计算均值<formula>formula see original document page 7</formula>(6)2) 计算方差^^^"7^(巧-^)， (7)<formula>formula see o本文档来自技高网...

【技术保护点】
一种基于小波分析的工业生产过程故障诊断装置，包括与工业过程对象连接的现场智能仪表、ＤＣＳ系统以及上位机，所述的ＤＣＳ系统由数据接口、控制站、数据库构成；智能仪表、ＤＣＳ系统、上位机依次相连，其特征在于：所述的上位机包括：用于对数据进行标准化处理的标准化处理模块；用于采用Ｍａｌｌａｔ塔式分解算法将原始信号分解为一系列近似信息和细节信息的小波分解功能模块；用于进行主元分析提取主成分，采用协方差奇异值分解的方法的主元分析功能模块；用于进行小波重构，根据小波理论，将各尺度下得到的主元相加，即得到总的主元的小波重构功能模块；用于核函数采用径向基函数Ｋ（ｘ↓［ｉ］，ｘ）＝ｅｘｐ（－‖ｘ－ｘ↓［ｉ］‖／σ↑［２］），将训练过程化为二次规划求解问题的支持向量机分类器功能模块；用于设定每次采样的时间间隙，采集现场智能仪表的信号的信号采集模块；用于将采集的数据传送到ＤＣＳ实时数据库中，在每个定时周期从ＤＣＳ数据库的实时数据库中，得到最新的变量数据作为待诊断数据ＶＸ的待诊断数据确定模块；用于对待检测数据ＶＸ用训练时得到的＊和σ↓［ｘ］↑［２］进行标准化处理，并将标准化处理后的数据作为小波分解模块的输入，用训练时相同的参数对输入数据进行小波分解，得到的系数作为中主元分析模块的输入；用训练时得到的变换矩阵Ｔ对输入进行变换，变换后矩阵输入到小波重构模块；将对应的数据相加即得到原待测数据的主成分，并将所得到的组成分输入到支持向量机分类器模块；将输入代入训练得到的判别函数，计算判别函数值，判别过程的状态的故障诊断模块，所述现场智能仪表与信号采集模块数据连接，所述信号采集模块连接待诊断数据确定模块，所述的待诊断数据确定模块连接故障诊断模块，所述标准化处理模块与小波分解功能模块连接，所述小波分解功能模块与主元分析功能模块连接，所述主元分析功能模块与小波重构模块连接，所述小波重构模块与支持向量机分类器功能模块连接，所述支持向量机分类器功能模块与故障诊断模块连接。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘兴高，
申请(专利权)人：浙江大学，
类型：实用新型
国别省市：86[中国|杭州]