【技术实现步骤摘要】
基于并发式非平稳过程分析模型的故障检测方法
[0001]本专利技术涉及了监测工业运行状态领域的一种故障检测方法，尤其涉及基于并发式非平稳过程分析模型的故障检测方法。
技术介绍
[0002]为了避免重大安全事故，减少经济损失，提高生产质量，需要对工艺操作和设备进行监控。随着过程数据的规模和可利用率不断增加，基于数据的过程监控方法在过去几十年中被广泛应用于现代工业过程中。作为数据驱动方法的经典代表，主成分分析PCA、偏最小二乘PLS、独立成分分析ICA已被普遍应用于工业过程监测。这些技术致力于通过将原始空间的数据投影到低维潜变量子空间来提取与过程操作状态相关的特征。然后，基于潜在空间建立监测统计量以实现故障检测。这些方法的一个常见假设是，被监测的过程在平稳条件下运行。然而，工业过程通常表现出典型的非平稳特性，例如注塑过程和热电厂过程。由于操作阶段的切换、季节性波动、设备老化和不可测量的干扰，非平稳过程变量的统计特性将随时间变化。在这种情况下，传统方法提取的特征无法准确揭示受监控过程的状态。
[0003]事实上，非平稳过程...
【技术保护点】
【技术特征摘要】
1.一种基于并发式非平稳过程分析模型的故障检测方法，其特征在于：方法包括以下步骤：步骤1：由在化工无故障运行过程中采集的过程变量X和质量变量Y组成训练样本集；所述过程变量X包括空气流量、搅拌功率和底物流率，所述质量变量Y包括产物浓度；步骤2：对步骤1中的过程变量X和质量变量Y进行归一化处理，获得归一化后的训练样本集其中，X
*
为归一化处理后的过程变量，且X
*
＝[x
*
(1)，x
*
(2)，x
*
(t)...x
*
(N)]，t∈[1,N]，Y
*
为归一化处理后的质量变量，且Y*＝[y
*
(1)，y
*
(2)，y
*
(t)...y
*
(N)]，t∈[1,N]；其中，x
*
(t)表示归一化处理后的第t个训练样本的过程变量，y
*
(t)表示归一化处理后的第t个训练样本的质量变量，N表示训练样本集中训练样本的个数；步骤3：基于归一化后的训练样本集利用特定算法构建并发式非平稳过程分析模型，并利用特定算法对所述分析模型进行训练；步骤4：结合归一化后的训练样本集通过所述分析模型求解所述分析模型的多个特征统计量进而确定分析模型的多个特征统计量各自的控制限；步骤5：在线收集待测化工运行过程中的待测过程变量x(c)和待测质量变量y(c)，并进行归一化处理，获得归一化后的待测变量集；步骤6：结合归一化后的待测变量集利用并发式非平稳过程分析模型确定待测化工运行过程中的各特征统计量，然后根据待测化工运行过程中的各特征统计量与分析模型的多个特征统计量各自的控制限之间的大小关系判断待测化工运行过程中是否存在故障。2.根据权利要求1所述的基于并发式非平稳过程分析模型的故障检测方法，其特征在于：利用特定算法构建的并发式非平稳过程分析模型具体如下：其中，A表示从质量相关平稳特征到过程变量的发射矩阵，B表示从质量无关平稳特征到过程变量的发射矩阵，C表示从质量相关平稳特征到质量变量的发射矩阵，q
s
(t)表示第t个训练样本的质量相关平稳特征，q
n
(t)表示第t个训练样本的质量相关非平稳特征，且表示第t个训练样本的质量相关特征矩阵，其中，R表示实数集合，d1为第t个训练样本的质量相关平稳特征q
s
(t)的维数，p1为第t个训练样本的质量相关非平稳特征q
n
(t)的维数；h
s
(t)表示第t个训练样本的质量无关平稳特征，h
n
(t)表示第t个训练样本的质量无关非平稳特征，表示第t个训练样本的质量无关特征矩阵，d2为第t个训练样本的质量无关平稳特征h
s
(t)的维数，p2为第t个训练样本的质量无关非平稳特征h
n
(t)的维数；e(t)表示归一化处理后的第t个训练样本的过程变量的噪声；f(t)表示归一化
处理后的第t个训练样本的过程变量的噪声。3.根据权利要求1所述的基于并发式非平稳过程分析模型的故障检测方法，其特征在于，所述利用特定算法对所述分析模型进行训练具体为：首先将训练样本集输入所...
【专利技术属性】
技术研发人员：何雨辰，陈广，王云，钱丽娟，王杰，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。