一种机理与数据联融合的多工况工业过程监测方法和系统技术方案

本发明专利技术公开了一种机理与数据联融合的多工况工业过程监测方法和系统，其方法为：将监测数量满足预设值的工业过程工况设为主工况，否则设为副工况；利用主工况正常时的历史监测数据集建立主工况故障检测模型；将主工况正常时的历史监测数据集和副工况正常时的历史监测数据集，均采用CSL方法映射到公共子空间，并利用公共子空间中的数据建立副工况故障检测模型；对于主工况的在线监测数据，使用主工况故障检测模型对工业过程进行故障检测；对于副工况的在线监测数据，采用CSL方法将其映射到公共子空间，再使用副工况故障检测模型对工业过程进行故障检测。本发明专利技术可以实现大型复杂工业过程准确的故障检测与诊断。

【技术实现步骤摘要】
一种机理与数据联融合的多工况工业过程监测方法和系统
本专利技术属于工业过程监测领域，具体涉及一种机理与数据联融合的多工况工业过程监测方法和系统。
技术介绍
如今，工业过程普遍朝着复杂化、多智能化的方向发展。面对越来越复杂的工业过程，保证工业过程稳定安全的运行变得越来越重要和更具有挑战性。以锌冶炼焙烧过程为例，一旦该过程出现异常工况如床层沉积，将带来巨大的经济损失和坏境污染，对焙烧过程不恰当的操作甚至可能造成人员安全事故。过程监控是保证生产过程安全稳定运行的重要手段。目前，许多学者对过程监测进行了广泛的研究。一般来说，过程监控方法可分为三种类型：基于定量模型的方法、基于定性模型的方法和数据驱动的方法。Wu等人分析了熔融镁炉异常工况产生的原因和故障现象，总结了异常工况的规律，实现了基于规则的异常工况识别。黄科科等人假设不同工况下的数据由一种特殊模式和一种公共模式组成，提出了一种结构字典学习模型，并成功地应用于铝电解过程。Wang等人开发了一种结合人工神经网络和专家系统的方法来实现溶解气体分析(DGA)变压器的故障诊断。上述方法虽然在一定程度上取得了良好的过程监控性能，但没有考虑多工况过程数据量的不平衡特性，且监控对象的机理相对简单。然而，大型复杂工业过程机理往往十分复杂，存在多种工况，且各工况间的数据量往往是不平衡的，同时由于操作人员的实时干预，异常工况一般比较匮乏，无论是基于机理模型还是数据驱动均难以实现准确的过程监测。
技术实现思路
本专利技术提供一种用于多工况数据不平衡的工业过程监测方法和设备，充分考虑工业过程中工况数据量不平衡和异常工况数据匮乏的特点，可以实现大型复杂工业过程准确的故障检测。为实现上述技术目的，本专利技术采用如下技术方案：一种机理与数据联融合的多工况工业过程监测方法，包括：将监测数量满足预设值的工业过程工况设为主工况，否则设为副工况；利用主工况正常时的历史监测数据集建立主工况故障检测模型；将主工况正常时的历史监测数据集和副工况正常时的历史监测数据集，均采用CSL方法映射到公共子空间，并利用公共子空间中的数据建立副工况故障检测模型；对于主工况的在线监测数据，使用主工况故障检测模型对工业过程进行故障检测；对于副工况的在线监测数据，采用CSL方法将其映射到公共子空间，再使用副工况故障检测模型对工业过程进行故障检测。在更优的技术方案中，采用CSL方法将监测数据映射到公共子空间的映射矩阵为W，求解方法为：(1)获取主工况正常时的历史监测数据集和副工况正常时的历史监测数据集进行高维映射分别得到再对中心化得到ne和nh分别为Xe和Xh包括的历史监测数据的数量，ne＞＞nh，m为监测数据的维度；(2)设置求解映射矩阵W的目标函数为：式中，M为MMD矩阵，H为中心矩阵，K为数据集X＝[Xe,Xh]的核矩阵,为K中心化得到的核矩阵，μ是正则项的系数参数，且有：式中，M(i,j)为矩阵M的第i行第j列个元素，为矩阵的第i行第j列个元素，1是长度为ne+nh的全1列向量，表示大小为ne+nh的单位矩阵；(3)求解目标函数：取矩阵的前w个特征向量得到映射矩阵W。在更优的技术方案中，使用映射矩阵为W将数据集Xe和Xh映射到共享子空间分别得到和其中，为矩阵的前ne列，为矩阵的后nh列。在更优的技术方案中，利用公共子空间中的数据建立副工况故障检测模型的方法为：(1)首先利用马氏距离作为工业过程副工况故障检测的统计量T2_CSL，对所有的副工况训练数据求马氏距离；(2)根据求得的nh个T2_CSL值，使用核密度估计求得统计量T2_CSL的控制限即为副工况故障检测模型的控制限；其中，以马氏距离作为统计量T2_CSL的计算式为：式中，Σ是的协方差矩阵，表示矩阵中的任意一列。使用副工况故障检测模型对工业过程进行故障检测的方法为：(1)在线获取副工况的监测数据xh，计算其核向量kh＝K(X,xh)，并中心化处理得到再通过映射矩阵W将数据映射到公共子空间得到(2)计算的马氏距离得到其统计量(3)将统计量与控制限比较，判断当前副工况是否异常；其中，对核向量kh中心化处理得到的表达式和统计量的计算式分别为：在更优的技术方案中，利用主工况正常时的历史监测数据集建立主工况故障检测模型，具体为：(1)获取主工况正常时的历史监测数据集采用PCA方法将数据集Xe映射至主成分空间和残差空间；(2)在主成分空间计算数据集Xe中每个数据xe的统计量T2_PCA，并在残差空间通过重构数据计算数据集Xe中每个数据xe的统计量SPE_PCA；(3)使用核密度估计求得统计量T2_PCA的控制限和统计量SPE_PCA的控制限SPElimitPCA，同时作为主工况故障检测模型的两个控制限；其中，统计量T2_PCA和统计量SPE_PCA的计算式为：式中，P是将数据集Xe映射至主成分空间所对应的映射矩阵，Λ＝diag{λ1,λ2,...,λs},λi为的第i个特征向量；使用主工况故障检测模型对工业过程进行故障检测的方法为：(1)在线获取主工况的监测数据xe，计算其对应的统计量T2_PCA和统计量SPE_PCA；(2)将(1)得到的统计量分别与其对应的控制限进行比较，若均小于其对应的控制限，则判断当前主工况正常，否则判断为异常。在更优的技术方案中，所述方法还包括：采用RBR故障诊断模型对工况异常时的故障类型进行判断；其中，所述RBR故障诊断模型中的规则阈值参数，利用工况异常时的历史监测数据集Xab，采用粒子群优化算法优化得到，且识别所采用的适应度函数为：式中，θ为RBR故障诊断模型中待优化的规则阈值参数，C为故障工况数，nj为数据集Xab中属于第j种故障工况的数据数量，xij为数据集Xab中属于第j种故障工况的第i个数据，f(·)即RBR故障诊断模型。在更优的技术方案中，所述规则阈值参数θ包括：高效工况下标温的上限Tel和下限Teu，健康工况下的标温的上限Thl和下限Thu，焙烧炉烟气二氧化硫浓度的上限Sl和下限Su，鼓风压力与鼓风量之比的上限Ee和下限Eh。在更优的技术方案中，所述工业过程为锌冶炼焙烧炉过程，其主工况是指高效工况，副工况是指健康工况。一种机理与数据联融合的多工况工业过程监测系统，包括存储器及处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一项所述的方法。有益效果本专利技术首先获取主工况和副工况正常时的历史监测数据集，分别建立主工况故障检测模型和副工况故障检测模型；其中，建立副工况故障检测模型所采用的数据集，是将副工况正常时的历史监测数据集采用CSL方法映射到公共子空间得到的数据集。然后，即可使用主工况故障检测模型，通过对主工况的在线监测数据进行判断，实现对工业过程的主工况进行故障检测；或者使本文档来自技高网...

【技术保护点】
1.一种机理与数据联融合的多工况工业过程监测方法，其特征在于，包括：/n将监测数量满足预设值的工业过程工况设为主工况，否则设为副工况；/n利用主工况正常时的历史监测数据集建立主工况故障检测模型；将主工况正常时的历史监测数据集和副工况正常时的历史监测数据集，均采用CSL方法映射到公共子空间，并利用公共子空间中的数据建立副工况故障检测模型；/n对于主工况的在线监测数据，使用主工况故障检测模型对工业过程进行故障检测；对于副工况的在线监测数据，采用CSL方法将其映射到公共子空间，再使用副工况故障检测模型对工业过程进行故障检测。/n

【技术特征摘要】
1.一种机理与数据联融合的多工况工业过程监测方法，其特征在于，包括：
将监测数量满足预设值的工业过程工况设为主工况，否则设为副工况；
利用主工况正常时的历史监测数据集建立主工况故障检测模型；将主工况正常时的历史监测数据集和副工况正常时的历史监测数据集，均采用CSL方法映射到公共子空间，并利用公共子空间中的数据建立副工况故障检测模型；
对于主工况的在线监测数据，使用主工况故障检测模型对工业过程进行故障检测；对于副工况的在线监测数据，采用CSL方法将其映射到公共子空间，再使用副工况故障检测模型对工业过程进行故障检测。


2.根据权利要求1所述的方法，其特征在于，采用CSL方法将监测数据映射到公共子空间的映射矩阵为W，求解方法为：
(1)获取主工况正常时的历史监测数据集和副工况正常时的历史监测数据集进行高维映射分别得到再对中心化得到ne和nh分别为Xe和Xh包括的历史监测数据的数量，ne＞＞nh，m为监测数据的维度；
(2)设置求解映射矩阵W的目标函数为：



式中，M为MMD矩阵，H为中心矩阵，K为数据集X＝[Xe,Xh]的核矩阵,为K中心化得到的核矩阵，μ是正则项的系数参数，且有：









式中，M(i,j)为矩阵M的第i行第j列个元素，为矩阵的第i行第j列个元素，1是长度为ne+nh的全1列向量，表示大小为ne+nh的单位矩阵；
(3)求解目标函数：取矩阵的前w个特征向量得到映射矩阵W。


3.根据权利要求2所述的方法，其特征在于，使用映射矩阵为W将数据集Xe和Xh映射到共享子空间分别得到和其中，为矩阵的前ne列，为矩阵的后nh列。


4.根据权利要求3所述的方法，其特征在于，利用公共子空间中的数据建立副工况故障检测模型的方法为：(1)首先利用马氏距离作为工业过程副工况故障检测的统计量T2_CSL，对所有的副工况训练数据求马氏距离；(2)根据求得的nh个T2_CSL值，使用核密度估计求得统计量T2_CSL的控制限即为副工况故障检测模型的控制限；
其中，以马氏距离作为统计量T2_CSL的计算式为：



式中，Σ是的协方差矩阵，表示矩阵中的任意一列。
使用副工况故障检测模型对工业过程进行故障检测的方法为：(1)在线获取副工况的监测数据xh，计算其核向量kh＝K(X,xh)，并中心化处理得到再通过映射矩阵W将数据映射到公共子空间得到(2)计算的马氏距离得到其统计量(3)将统计量与控制限比较，判断当前副工况是否异...

【专利技术属性】
技术研发人员：阳春华，梁慧平，黄科科，孙备，李繁飙，桂卫华，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43