一种基于多向加权弹性网络的间歇过程质量相关故障检测方法技术

本发明专利技术提供了一种基于多向加权弹性网络的间歇过程质量相关故障检测方法，本发明专利技术引入加权策略来改进弹性网络，以增强故障特征并抑制噪声，并将过程划分为质量相关空间和质量无关空间，然后在这两个空间中分别基于支持向量数据描述(Support Vector Data Description，SVDD)建立监控指标以实现过程安全和产品质量的双重监测。的双重监测。的双重监测。

【技术实现步骤摘要】
一种基于多向加权弹性网络的间歇过程质量相关故障检测方法


[0001]本专利技术属于工业过程监控
，涉及一种基于多向加权弹性网络的间歇过程质量相关故障检测方法。

技术介绍

[0002]间歇生产过程由于具有高附加值、多品种、小批量生产等优点受到了广泛的应用，其中，注塑、发酵、生物制药、半导体制造等都属于典型的间歇过程。近年来，工业过程为提高生产效率，工业生产设备和工艺流程变得越来越复杂，一旦过程发生故障或偏移很可能导致一系列的连锁故障，最终导致严重的生产事故，造成重大的经济损失和人员伤亡，因此，如何对间歇过程进行及时、准确的故障检测以保障其生产安全和产品质量成为工业界和学术界迫切需要解决的问题。随着分布式控制系统的广泛应用，丰富的过程数据容易被收集和存储。基于数据的多变量统计过程监控(MSPM)由于不需要太多的机理知识和经验，在间歇过程监控中起到越来越重要的作用。
[0003]在传统的MSPM中，故障被认为是当前采样值偏离正常值，虽然基于主成分分析(Principal Component Analysis,PCA)的故障检测方法能够有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多向加权弹性网络的间歇过程质量相关故障检测方法，其特征在于，包括离线建模和在线监测，其中，所述离线建模包括如下步骤：步骤一，采集间歇过程正常工况下的I批次过程变量数据，构成三维数据矩阵X(I
×
J
p
×
K)，其中I表示批次数，J
p
表示过程变量个数，K表示采样点数；步骤二，将三维数据矩阵X(I
×
J
p
×
K)展开为二维数据矩阵，对其进行标准化处理并重新排列，得到输入训练数据所述标准化处理包括使得各过程变量的均值为0、方差为1；步骤三，采用离线分析手段获取与三维数据矩阵X(I
×
J
p
×
K)相对应的产品质量数据Y(I
×
J
q
×
K)，将产品质量数据Y(I
×
J
q
×
K)二维展开并做标准化处理后得到输出训练数据步骤四，计算输入训练数据和输出训练数据之间的回归系数矩阵并对回归系数矩阵实施奇异值分解，将0奇异值和非0奇异值分别对应的奇异向量记为和步骤五，将间歇过程划分为质量无关空间和质量相关空间，分别计算出质量无关空间投影矩阵和质量相关空间投影矩阵步骤六，分别计算质量无关空间投影矩阵T
uq
和质量相关空间投影矩阵T
q
的各向量密度估计值，并计算上述二者的密度阈值分别为ξ
uq
和ξ
q
；步骤七，计算质量无关空间监控统计量控制限和质量相关空间监控统计量控制限所述在线监测包括如下步骤：步骤八，采集新的过程变量数据并对其进行标准化处理得到输入训练数据步骤九，计算质量无关空间投影向量和质量相关空间投影向量步骤十，计算质量无关空间投影向量t
new,uq
的各元素与质量无关空间投影矩阵T
uq
的密度估计值，根据上述密度估计值计算质量无关空间权值矩阵w
uq
和加权后的投影向量为步骤十一，计算质量相关空间投影向量t
new,q
的各元素与质量相关空间投影矩阵T
q
的密度估计值，根据上述密度估计值计算质量相关空间权值矩阵w
q
和加权后的投影向量为步骤十二，根据加权后的投影向量和计算质量无关空间统计量和质量相关空间统计量步骤十三：实施故障检测，判断质量无关空间统计量是否超越质量无关空间监控统
计量控制限若否，则表明过程正常，若是，则表明有故障发生，接着进一步判断质量相关空间统计量是否超越质量相关空间监控统计量控制限若是，则表明该故障会影响产品质量，若否，则表明该故障对产品质量不会产生影响或影响很小。2.根据权利要求1所述的一种基于多向加权弹性网络的间歇过程质量相关故障检测方法，其特征在于，所述步骤四中计算回归系数矩阵的具体过程如下：a.根据下式计算输入训练数据与输出训练数据中每一个质量变量y
l
(l＝1,2,...,J
q
)之间的回归系数)之间的回归系数式中，λ1和λ2为L1范数和L2范数的权重调节系数，通过十折交叉验证确定；b.将步骤a中求得的J
q
个回归系数组合，构成输入训练数据与输出训练数据之间的回归系数矩阵c.根据下式对回归系数矩阵实施奇异值分解：式中，Σ为对角矩阵，其对角线元素为奇异值，和分别表示非0奇异值和0奇异值对应的奇异向量。3.根据权利要求1所述的一种基于多向加权弹性网络的间歇过程质量相关故障检测方法，其特征在于，所述步骤六中计算质量无关空间投影矩阵T
uq
和质量相关空间投影矩阵T
q
的各向量密度估计值、质量相关空间密度阈值ξ
uq
和质量无关空间密度阈值ξ
q
的具体过程如下：a.在质量无关空间，通过核密度估计计算新采集的正常工况下的数据与输入训练数据之间的概率密度估计值，即：式中，t
uq
为新采集正常工况下的数据在质量无关空间的投影向量，t
uqi
为正常的训练样本在质量无关空间的投影向量，n为训练样本点个数，h为高斯核函数的窗口长度；b.在质量无关空间，根据计算出的新采集正常工况下的数据与输入训练数据之间的密度估计值的大小，确定加权的密度阈值，原则是：即新采集正常工况...

【专利技术属性】
技术研发人员：姚红娟，赵小强，惠永永，牟淼，刘凯，张妍，宋昭漾，梁浩鹏，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：