一种生产过程间歇故障及趋势畸变的监测与辨识方法技术

本发明专利技术公开一种生产过程间歇故障及趋势畸变的监测与辨识方法，包括：通过采样数据对周期递进混合多项式模型中的参量进行最优辨识，生成最优模型系数参量；基于最优模型系数参量，计算故障监测门限，并根据故障监测门限生成残差特性的示性函数，通过对生成过程中实时采样数据的示性函数计算，判定是否发生故障，并当系统发生故障时，生成对应的故障幅度辨识结果，以实现间歇故障的监测与辨识；构建门限控制函数，并基于门限控制函数通过最优递推辨识算法对实时采样数据进行计算，获取估值序列，对估值序列构建系数偏离指数，对系数偏离指数进行判断，生成趋势畸变辨识结果，以实现趋势畸变的检测与辨识。现趋势畸变的检测与辨识。现趋势畸变的检测与辨识。

【技术实现步骤摘要】
一种生产过程间歇故障及趋势畸变的监测与辨识方法


[0001]本专利技术涉及电子信息与工业自动化安全控制
，特别涉及一种生产过程间歇故障及趋势畸变的监测与辨识方法。

技术介绍

[0002]在石油化工、电气工程、机械制造等广泛领域，为保障生产过程安全，通常必须配置专门的监控系统，对生产状态及事故风险进行实时监控，通过对主要参数的监测和异常变化甄别，即使发现生产现场可能出现的各种各样的故障并及时报警。例如，电力自动化的监控系统、计算机集成制造的DCS（Distributed Control System）和石油化工的数据采集与监视控制系统SCADA(Supervisory Control And Data Acquisition)等。特别是SCADA系统，其应用十分广泛，可以应用于石油、化工、电力、冶金、交通等领域的数据采集与监视控制，在保障过程安全与故障防控中占重要地位。
[0003]现有各种监控系统，其核心是基于对现场设备运行数据的采集，实现对设备控制、参数调节和各类事故风险的及时报警，在生产过程自动化与安全防事故方面起着重要作用。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生产过程间歇故障及趋势畸变的监测与辨识方法，其特征在于，包括：构建石化仪表采样数据的周期递进混合多项式模型；通过采样数据对周期递进混合多项式模型中的参量进行最优辨识，生成最优模型系数参量；基于最优模型系数参量，计算故障监测门限，并根据故障监测门限生成残差特性的示性函数，通过对生成过程中实时采样数据的示性函数计算，判断是否发生故障，当系统发生故障时，生成对应的故障幅度辨识结果，以实现间歇故障的监测与辨识；构建门限控制函数，并基于门限控制函数通过最优递推辨识算法对实时采样数据进行计算，获取估值序列，对估值序列构建系数偏离指数，对系数偏离指数进行判断，生成趋势畸变辨识结果，以实现趋势畸变的检测与辨识。2.根据权利要求1所述的监测与辨识方法，其特征在于：所述周期递进混合多项式模型为：；其中，为石化装置随时间变化的采样数据序列，为第采样测量数据的采样时间，为起始时间，为采样间隔，为周期分量的变化频率，分别为不同的模型系数参量，k为阶次参数，整数、整数和整数分别为代数多项式阶次、正弦多项式阶次和余弦多项式阶次，为随机扰动分量综合影响。3.根据权利要求1所述的监测与辨识方法，其特征在于：对周期递进混合多项式模型中的阶数及参数进行最优辨识的过程包括：设置周期递进混合多项式模型的阶次参量的变化域，并通过最速下降法获取系统参量及频率的最优估值，并构建目标函数，所述目标函数为历史采样数据与代入阶次参量、系统参量及频率的最优估值的周期递进混合多项式模型预测值差值的平方结果；基于历史采样数据，通过目标函数对系统参量及频率的最优估值及遍历变化域的阶次参量进行计算，获取计算结果中目标函数最小化对应阶次参量作为最优模型阶次；基于历史采样数据中的任意数据片段，通过最优模型阶次及频率最优估值计算，得到任意片段最优模型系数参量；通过递推算法对任意片段最优模型系数参量进行计算，得到最优模型系数参量。4.根据权利要求3所述的监测与辨识方法，其特征在于：所述递推算法为：；式中,第一矩阵和第二矩阵分别由下式的递推关系确定
其...

【专利技术属性】
技术研发人员：胡绍林，张清华，文成林，孙国玺，刘美，陈金鹏，柯烨，
申请(专利权)人：茂名绿色化工研究院，
类型：发明
国别省市：