一种基于Wasserstein距离的早期故障检测方法技术

本发明专利技术公开了一种基于Wasserstein距离的早期故障检测方法，通过对传感器采集到的训练数据和测试数据进行数据预处理后，利用主成分分析将高维数据投影到低维子空间中，设计投影鲁棒性Wasserstein距离模型，并运用黎曼块坐标下降算法对模型求解，再根据低维子空间内Wasserstein距离的数据统计特性建立相应的监测统计量，一旦传感器采样得到的数据经过模型计算后超过监测统计量的控制限，则认为发生了故障；最后运用滑动窗口方法，将该故障检测方法运用于在线工业故障监测的场景中；本方法具有较高的灵敏度，能够检测早期的工业故障，且满足对大型数据集求解速度和精度的要求，为工业生产控制行为提供有效支持。业生产控制行为提供有效支持。业生产控制行为提供有效支持。

【技术实现步骤摘要】
一种基于Wasserstein距离的早期故障检测方法


[0001]本专利技术属于工业控制系统中的过程监控及故障诊断领域的一种监测方法，具体涉及一种基于Wasserstein距离的早期故障检测方法。

技术介绍

[0002]21世纪以来，日益激烈的全球市场竞争对现代工业的生产效率、生产安全、产品质量等指标提出了更高的要求，形成了许多规模巨大的生产系统和高度复杂的生产过程；然而，随着生产系统逐渐复杂化、大规模化的同时，生产过程中产生故障的可能性显著增加，若对故障缺乏有效的检测和控制，可能会导致降低产品的质量、增加生产的成本、引起设备的损坏等严重后果。
[0003]为了处理大规模工业过程中的数据集，研究了不同的工业故障检测方法，如主成分分析(PCA)和偏最小二乘分析(PLS)等，这些方法通常将数据投影到主元空间和残差空间进行故障检测，利用对应的统计量对两个空间中的数据进行监测，一旦数据超过统计量的控制限，则检测到故障发生。
[0004]经证实，他们对多元正态分布的数据有较高的检测性能；然而，大规模工业过程采集的数据往往呈现出大量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Wasserstein距离的早期故障检测方法，其特征在于，包括以下步骤：S1，通过传感器采集正常工况下流程工业生产过程中的过程变量作为训练数据；通过传感器采集待测工况下流程工业生产过程中的数据作为测试数据；通过主成分分析算法将两组数据中的高维数据投影到主元空间和残差空间内，并在主元空间内建立投影鲁棒性Wasserstein距离模型；S2，通过加入两项拉格朗日乘子向量构造投影鲁棒性Wasserstein距离模型的对偶形式；对偶形式的块坐标参数包括两项拉格朗日乘子向量和主成分分析算法中的载荷矩阵；通过黎曼块坐标下降法求解模型参数，获得最优的载荷矩阵，并配合对应的Wasserstein距离进行早期故障的检测；S3，分析主元空间和残差空间中的Wasserstein距离的数据统计特性，并在主元空间和残差空间内建立基于假设检验的监测统计量，用于判断故障发生与否；当测试数据在主元空间和残差空间内的统计量均服从正常数据的概率分布，则服从零假设，认为没有故障；反之若不服从正常数据的概率分布，则拒绝零假设，认为故障发生；S4，将S1中建立的投影鲁棒性Wasserstein距离模型运用于在线故障监测系统中，在保持训练数据集不变的情况下，对测试数据集采用滑动窗口的方法实现模型的在线监测功能。2.根据权利要求1所述的一种基于Wasserstein距离的早期故障检测方法，其特征在于，包括以下步骤：S1.1，对训练数据进行归一化处理，得到零均值和单位方差的数据集z∈R
n
×
d
，其中n为训练数据的采样点数，d为变量数；S1.2，利用S1.1中的标准数据建立主成分分析模型，以保留标准数据集中超过95％的方差提取标准数据集中的k个主成分(PCs)以及特征向量矩阵其中A为载荷矩阵，包括k个主成分对应特征向量，代表剩下的非主元成分对应的特征向量；S1.3，对测试数据进行归一化处理，得到零均值和单位方差的数据集S1.3，对测试数据进行归一化处理，得到零均值和单位方差的数据集m为测试数据的采样点...

【专利技术属性】
技术研发人员：曾九孙，卢成，姚燕，蔡晋辉，叶放，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：