一种基于核主成分回归的工业过程故障检测方法及系统技术方案

本发明专利技术提供一种基于核主成分回归的工业过程故障检测方法及系统，包括：根据工业过程中的正常运行数据构建核主成分回归模型；对核主成分回归模型进行奇异值分解，得到关键性能指标相关子空间和关键性能指标无关子空间，并分别计算各自的控制限；获取工业过程中的输入变量；基于核主成分回归模型计算输入变量在关键性能指标相关子空间和关键性能无关子空间的统计量，并分别与各自的控制限进行比较；根据比较结果判断输入变量是否正常，以此得到故障检测结果。解决传统核主成分回归方法中无法对与关键性能指标相关变量的监控问题，提高检测率，降低误检率。降低误检率。降低误检率。

【技术实现步骤摘要】
一种基于核主成分回归的工业过程故障检测方法及系统


[0001]本专利技术涉及工业过程的故障检测
，特别是涉及一种基于核主成分回归的工业过程故障检测方法及系统。

技术介绍

[0002]随着大数据的到来，基于数据驱动的故障检测应用越来越广泛，考虑到数据通常包含多变量形式的信息，多元方法被广泛用于捕捉变量之间的关系。此外，多元统计过程监控技术对于现代工业过程中的故障检测和诊断是有效的。常见的多元统计方法有主成分分析、偏最小二乘法、独立成分分析。这些方法仅使用离线训练数据来建立通用模型，然后使用该模型来监控异常操作数据。
[0003]工业过程中的关键性能指标，如产品质量变量或关键设备的核心参数至关重要。从安全和经济效益的角度来看，工业过程需要考虑关键性能指标的故障检测和诊断方法；然而，关键性能指标很难在机器运行过程中被实时检测到，因为所需的时间延迟很大。因此，有必要在关键性能指标和过程测量之间建立一个模型。
[0004]现有的关键性能指标相关过程监控方法包括基于主成分回归方法、基于偏最小二乘法的方法、基于典型相关分析的方法。在现有的方法中，基于主成分回归的方法是应用比较广泛。此外，非线性在实际工业过程中很常见，标准主成分回归技术在处理非线性过程监控时面临困难，这可以通过使用核方法技术来解决。在非线性主成分回归的基础上，传统的核主成分回归算法将输入空间分解为主部分和残差部分；在核主成分回归模型中，主子空间和剩余子空间是倾斜的，因此，与关键性能指标无关的主要过程变量(称为与关键性能指标无关的信息)可以包含在主子空间中；另一方面，与关键性能指标相关的信息将包含在剩余子空间中。这一缺点使得常见的统计数据不适用于过程监控。
[0005]综上所述，现有技术中对于在核主成分回归的关键性能指标的监控上尚缺乏有效的解决方案。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种基于核主成分回归的工业过程故障检测方法及系统，基于性能指标相关的核主成分回归方法是在传统核主成分回归基础上考虑在子空间中的有用信息，对核矩阵进行奇异值分解，将核空间分为关键性能指标相关子空间和关键性能指标无关子空间，解决传统核主成分回归方法中无法对与关键性能指标相关变量的监控问题，提高检测率，降低误检率。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]第一方面，本专利技术提供一种基于核主成分回归的工业过程故障检测方法，包括：
[0009]根据工业过程中的正常运行数据构建核主成分回归模型；
[0010]对核主成分回归模型进行奇异值分解，得到关键性能指标相关子空间和关键性能指标无关子空间，并分别计算各自的控制限；
[0011]获取工业过程中的输入变量；
[0012]基于核主成分回归模型计算输入变量在关键性能指标相关子空间和关键性能无关子空间的统计量，并分别与各自的控制限进行比较；
[0013]根据比较结果判断输入变量是否正常，以此得到故障检测结果。
[0014]第二方面，本专利技术提供一种基于核主成分回归的工业过程故障检测系统，包括：
[0015]模型构建模块，被配置为根据工业过程中的正常运行数据构建核主成分回归模型；
[0016]分解模块，被配置为对核主成分回归模型进行奇异值分解，得到关键性能指标相关子空间和关键性能指标无关子空间，并分别计算各自的控制限；
[0017]数据获取模块，被配置为获取工业过程中的输入变量；
[0018]统计量计算模块，被配置为基于核主成分回归模型计算输入变量在关键性能指标相关子空间和关键性能无关子空间的统计量，并分别与各自的控制限进行比较；
[0019]故障检测模块，被配置为根据比较结果判断输入变量是否正常，以此得到故障检测结果。
[0020]第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0021]第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0022]与现有技术相比，本专利技术的有益效果是：.
[0023]本专利技术提出的基于关键性能指标的核主成分回归工业过程的故障检测方法，解决了传统核主成分回归方法中无法对与关键性能指标相关变量的监控问题，提高检测率，降低误检率；与其他常用的多元统计方法比如偏最小二乘法相比，减少递归过程，提高运算效率，使得对工厂异常数据的检测更加的高效。
[0024]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0025]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0026]图1为本专利技术实施例1提供的基于核主成分回归的工业过程故障检测流程图；
[0027]图2为本专利技术实施例1提供的田纳西
‑
伊斯曼过程工厂模型图；
[0028]图3为本专利技术实施例1提供的田纳西
‑
伊斯曼过程的控制变量；
[0029]图4为本专利技术实施例1提供的田纳西
‑
伊斯曼过程采样时间为三分钟的测量变量；
[0030]图5为本专利技术实施例1提供的田纳西
‑
伊斯曼过程的成分测量变量；
[0031]图6为本专利技术实施例1提供的田纳西
‑
伊斯曼过程故障类型；
[0032]图7(a)
‑
7(b)为本专利技术实施例1提供的田纳西
‑
伊斯曼过程故障类型1的实验结果图；
[0033]图8(a)
‑
8(b)为本专利技术实施例1提供的田纳西
‑
伊斯曼过程故障类型4的实验结果
图。
具体实施方式
[0034]下面结合附图与实施例对本专利技术做进一步说明。
[0035]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0036]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0037]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0038]实施例1
[0039]如图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于核主成分回归的工业过程故障检测方法，其特征在于，包括：根据工业过程中的正常运行数据构建核主成分回归模型；对核主成分回归模型进行奇异值分解，得到关键性能指标相关子空间和关键性能指标无关子空间，并分别计算各自的控制限；获取工业过程中的输入变量；基于核主成分回归模型计算输入变量在关键性能指标相关子空间和关键性能无关子空间的统计量，并分别与各自的控制限进行比较；根据比较结果判断输入变量是否正常，以此得到故障检测结果。2.如权利要求1所述的一种基于核主成分回归的工业过程故障检测方法，其特征在于，对核主成分回归模型进行奇异值分解的过程包括：在核主成分回归模型中分离出主空间，对主空间进行奇异值分解，得到关键性能指标相关子空间和关键性能指标无关子空间，基于此对输入变量对应的核矩阵分解为关键性能指标相关和关键性能指标无关的两部分。3.如权利要求1所述的一种基于核主成分回归的工业过程故障检测方法，其特征在于，所述关键性能指标相关子空间和关键性能指标无关子空间为正交空间。4.如权利要求1所述的一种基于核主成分回归的工业过程故障检测方法，其特征在于，计算各自的控制限的过程包括：根据正常运行数据得到置信水平，根据置信水平计算关键性能指标相关子空间和关键性能指标无关子空间各自的控制限。5.如权利要求1所述的一种基于核主成分回归的工业过程故障检测方法，其特征在于，所述统计量的计算过程包括：对输入变量分别计算在关键性能指标相关子空间和关键性能无关子空间的得分矩阵，根据得分矩阵得到在两个子空间的统计量。6.如权利要求1所述的一种基...

【专利技术属性】
技术研发人员：任玉伟，亓利，伊晓云，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：