本发明专利技术涉及工业过程故障检测技术领域，特别是指一种复杂工业过程中分布式故障定位方法及装置。一种复杂工业过程中分布式故障定位方法包括：获得原始数据；根据原始数据进行模型构建，获得故障模型；根据故障模型进行分析操作，获得残差产生器；对故障模型输入在线数据，通过残差产生器进行计算，获得检验统计量；根据检验统计量和预设的阈值进行故障判断，获得故障判断结果；当故障判断结果为正常运行时，收集在线数据继续监控；当故障判断结果为存在故障时，根据子系统参数矩阵进行计算，得到重构贡献值的最大值；根据重构贡献值的最大值，获得故障定位结果。本发明专利技术是一种面对动态工业系统的高效精准的分布式故障定位方法。工业系统的高效精准的分布式故障定位方法。工业系统的高效精准的分布式故障定位方法。
【技术实现步骤摘要】
一种复杂工业过程中分布式故障定位方法及装置
[0001]本专利技术涉及工业过程故障检测
，特别是指一种复杂工业过程中分布式故障定位方法及装置。
技术介绍
[0002]近年来，随着传感器技术的发展和工业需求的增大，工业生产过程越来越复杂，这使得故障诊断问题得到越来越大的关注。当检测出故障以后，要求我们能够对故障进行精准的定位并根据定位结果对故障元件进行修理更换，如果定位不准确，会直接加大维修人员排查的困难程度，造成一定的经济损失。因此设计精准定位故障所在位置，确保工业生产安全可靠的运行的故障定位单元，在实际应用中有着极大的需求。
[0003]传统的故障定位方法大多使用集中式定位策略。集中式的方式是将所有节点的信息都集中传输到一个中心节点处，并在此中心节点中进行故障检测和故障定位等操作。集中式方式虽然能够迅速的获取全局的信息，但是它的中心节点计算压力大。对于大部分的复杂工业过程，状态变量的变化不单单是与某一时刻相关，而是与多个时刻均相关。因此我们接下来的研究主要是针对复杂工业过程中的动态系统来进行的。据我们所知，在最优故障检测的基础上开发动态系统中的分布式故障定位方法受到的关注非常有限。而且大多数分布式故障定位方法都没有很好的和故障检测单元相结合，需要进行额外的参数计算，导致计算量进一步增加。
[0004]在现有技术中，缺乏一种面对动态工业系统的高效精准的分布式故障定位方法。
技术实现思路
[0005]本专利技术实施例提供了一种复杂工业过程中分布式故障定位方法及装置。所述技术方案如下：
[0006]一方面，提供了一种复杂工业过程中分布式故障定位方法，该方法由电子设备实现，该方法包括：
[0007]S1、获得原始数据；根据所述原始数据进行模型构建，获得故障模型；
[0008]S2、根据所述故障模型，获得子系统参数矩阵；根据所述子系统参数矩阵构建残差产生器；
[0009]S3、对所述故障模型输入在线数据，通过所述残差产生器进行计算，获得检验统计量；
[0010]S4、根据所述检验统计量和预设的阈值进行故障判断，获得故障判断结果；
[0011]S5、当所述故障判断结果为存在故障时，执行S6；当所述故障判断结果为正常运行时，返回步骤S3；
[0012]S6、根据所述子系统参数矩阵进行计算，得到重构贡献值的最大值；
[0013]S7、根据所述重构贡献值的最大值，获得故障定位结果。
[0014]可选地，所述获得原始数据；根据所述原始数据进行模型构建，获得故障模型，包
括：
[0015]根据所述原始数据，通过提升技术建立模型，获得子系统模型；
[0016]基于所述子系统模型和预设的典型相关性分析的分布式算法建立模型，获得故障模型。
[0017]可选地，所述对所述故障模型输入在线数据，通过所述残差产生器进行计算，获得检验统计量，包括：
[0018]采集系统运行数据，获得在线数据；
[0019]将所述在线数据输入所述故障模型，通过所述残差产生器，获得局部残差信号；
[0020]将所述局部残差信号，采用预设的平均一致性算法进行融合，获得融合残差信号；
[0021]对所述融合残差信号进行计算，得到检验统计量。
[0022]可选地，所述根据所述子系统参数矩阵进行计算，得到重构贡献值的最大值，包括：
[0023]根据所述子系统参数矩阵进行计算，得到子系统重构贡献值；
[0024]基于所述子系统重构贡献值，通过预设的分布式求最值算法进行计算，得到重构贡献值的最大值。
[0025]可选地，所述根据所述重构贡献值的最大值，获得故障定位结果，包括：
[0026]根据所述重构贡献值的最大值，获得所述重构贡献值的最大值携带的传感器故障信息；
[0027]根据所述传感器故障信息，获得故障定位结果。
[0028]另一方面，提供了一种复杂工业过程中分布式故障定位装置，该装置应用于一种复杂工业过程中分布式故障定位方法，该装置包括：
[0029]故障模型构建模块，用于获得原始数据；根据所述原始数据进行模型构建，获得故障模型；
[0030]残差产生器构建模块，用于根据所述故障模型，获得子系统参数矩阵；根据所述子系统参数矩阵构建残差产生器；
[0031]统计量计算模块，用于对所述故障模型输入在线数据，通过所述残差产生器进行计算，获得检验统计量；
[0032]故障第一判断模块，用于根据所述检验统计量和预设的阈值进行故障判断，获得故障判断结果；
[0033]故障第二判断模块，用于当所述故障判断结果为存在故障时，执行贡献值最大值计算模块；当所述故障判断结果为正常运行时，返回统计量计算模块；
[0034]贡献值最大值计算模块，用于根据所述子系统参数矩阵进行计算，得到重构贡献值的最大值；
[0035]故障定位模块，用于根据所述重构贡献值的最大值，获得故障定位结果。
[0036]可选地，所述故障模型构建模块，进一步用于：
[0037]根据所述原始数据，通过提升技术建立模型，获得子系统模型；
[0038]基于所述子系统模型和预设的典型相关性分析的分布式算法建立模型，获得故障模型。
[0039]可选地，所述统计量计算模块，进一步用于：
[0040]采集系统运行数据，获得在线数据；
[0041]将所述在线数据输入所述故障模型，通过所述残差产生器，获得局部残差信号；
[0042]将所述局部残差信号，采用预设的平均一致性算法进行融合，获得融合残差信号；
[0043]对所述融合残差信号进行计算，得到检验统计量。
[0044]可选地，所述贡献最大值计算模块，进一步用于：
[0045]根据所述子系统参数矩阵进行计算，得到子系统重构贡献值；
[0046]基于所述子系统重构贡献值，通过预设的分布式求最值算法进行计算，得到重构贡献值的最大值。
[0047]可选地，所述故障定位模块，进一步用于：
[0048]根据所述重构贡献值的最大值，获得所述重构贡献值的最大值携带的传感器故障信息；
[0049]根据所述传感器故障信息，获得故障定位结果。
[0050]另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述一种复杂工业过程中分布式故障定位方法。
[0051]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述一种复杂工业过程中分布式故障定位方法。
[0052]本专利技术实施例提供的技术方案带来的有益效果至少包括：
[0053]本专利技术提出一种复杂工业过程中分布式故障定位方法，考虑到系统中的动态特性，利用提升技术构建子系统数据模型，根据子系统的参数矩阵进行传感器故障的故障模型，基于故本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种复杂工业过程中分布式故障定位方法，其特征在于，所述方法包括：S1、获得原始数据；根据所述原始数据进行模型构建，获得故障模型；S2、根据所述故障模型，获得子系统参数矩阵；根据所述子系统参数矩阵构建残差产生器；S3、对所述故障模型输入在线数据，通过所述残差产生器进行计算，获得检验统计量；S4、根据所述检验统计量和预设的阈值进行故障判断，获得故障判断结果；S5、当所述故障判断结果为存在故障时，执行S6；当所述故障判断结果为正常运行时，返回步骤S3；S6、根据所述子系统参数矩阵进行计算，得到重构贡献值的最大值；S7、根据所述重构贡献值的最大值，获得故障定位结果。2.根据权利要求1所述的一种复杂工业过程中分布式故障定位方法，其特征在于，所述获得原始数据；根据所述原始数据进行模型构建，获得故障模型，包括：根据所述原始数据，通过提升技术建立模型，获得子系统模型；基于所述子系统模型和预设的典型相关性分析的分布式算法建立模型，获得故障模型。3.根据权利要求1所述的一种复杂工业过程中分布式故障定位方法，其特征在于，所述对所述故障模型输入在线数据，通过所述残差产生器进行计算，获得检验统计量，包括：采集系统运行数据，获得在线数据；将所述在线数据输入所述故障模型，通过所述残差产生器，获得局部残差信号；将所述局部残差信号，采用预设的平均一致性算法进行融合，获得融合残差信号；对所述融合残差信号进行计算，得到检验统计量。4.根据权利要求1所述的一种复杂工业过程中分布式故障定位方法，其特征在于，所述根据所述子系统参数矩阵进行计算，得到重构贡献值的最大值，包括：根据所述子系统参数矩阵进行计算，得到子系统重构贡献值；基于所述子系统重构贡献值，通过预设的分布式求最值算法进行计算，得到重构贡献值的最大值。5.根据权利要求1所述的一种复杂工业过程中分布式故障定位方法，其特征在于，所述根据所述重构贡献值的最大值，获得故障定位结果，包括：根据所述重构贡献值的最大值，获得所述重构贡献值的最大值携带的传感器故障信息；根据所述传感器故障信息，获得故障定位结果。6.一种复杂...
【专利技术属性】
技术研发人员：李琳琳，赵振进，乔梁，彭开香，
申请(专利权)人：北京科技大学，
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。