基于局部和全局区间嵌入的不确定过程故障监测方法技术

本发明专利技术涉及工业过程故障监测领域，具体涉及一种基于局部和全局区间嵌入的不确定过程故障监测方法。包括：S1：获取设备在正常条件下不精确的单值数据集；S2：建立局部和全局区间嵌入模型；S3：根据区间主成分计算与正常区间值数据集相关联的统计量；S4：采集新的数据样本；S5：利用局部和全局区间嵌入模型确定的区间主成分计算新的区间值数据的统计量；S6：监测新得到的四个统计量是否超过了控制极限，如果超过了控制极限，则系统出现故障，执行步骤S7，否则返回步骤S4并监测下一个样本；S7：如果在新样本处产生故障，计算贡献图中对故障产生高贡献的变量即为故障变量。高贡献的变量即为故障变量。高贡献的变量即为故障变量。

【技术实现步骤摘要】
基于局部和全局区间嵌入的不确定过程故障监测方法


[0001]本专利技术涉及工业过程故障监测领域，具体涉及一种基于局部和全局区间嵌入的不确定过程故障监测方法。

技术介绍

[0002]随着对过程安全和高质量产品的需求不断增长，过程故障监测已成为许多工业过程日常操作中非常必要的一部分。事实上，过程中的一些故障可能会破坏整个系统的生产，从而导致财产和生命的损失。因此，为了能够及时、正确地监测设备故障，一种高效的故障检测与隔离算法对于许多过程控制系统获得高安全性和可靠性具有重要意义。
[0003]随着数据采集技术的广泛应用，各种工业过程记录了大量的历史数据。基于多元统计过程控制的方法得以快速发展，然而传统方法的可靠性在很大程度上取决于测量数据的质量。在实际的工业过程中，测量数据通常会受到多种不确定性因素的影响。针对上述问题，采用区间表示成为处理这种不确定性的有效方法。
[0004]传统的区间主成分分析只考虑区间值数据的全局信息，很少考虑区间值数据的局部邻域信息，而局部邻域信息可以表征区间值数据点内部之间的拓扑关系，找到隐藏在高维过程数据中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部和全局区间嵌入的不确定过程故障监测方法，其特征在于，包括：S1：获取设备在正常条件下不精确的单值数据集，其数据集包括采集的实际数据和噪声不确定因素的组合，并对该数据集进行预处理，得到标准化区间值数据集；S2：建立局部和全局区间嵌入模型，将其应用于区间值数据的特征提取以确定区间主成分；S3：根据区间主成分计算与正常区间值数据集相关联的统计量，使用核密度估计确定统计量的控制极限；S4：采集新的数据样本，同样对新采集的数据样本进行预处理，得到新的数据样本的标准化区间值数据；S5：利用局部和全局区间嵌入模型确定的区间主成分计算新的区间值数据的统计量；S6：监测新得到的四个统计量是否超过了控制极限，如果超过了控制极限，则系统出现故障，执行步骤S7，否则返回步骤S4并监测下一个样本；S7：如果在新样本处产生故障，计算贡献图中对故障产生高贡献的变量即为故障变量。2.根据权利要求1所述的基于局部和全局区间嵌入的不确定过程故障监测方法，其特征在于，步骤S1中包括：S11：通过变量的实际值和测量值的偏差，计算其相对测量误，变量为采集的不精确单值数据集中样本的变量值；S12：确定相对测量误差的下限值和上限值为和，并将其测量的不确定数据转化为区间值数据；S13：对区间值数据进行标准化。3.根据权利要求2所述的基于局部和全局区间嵌入的不确定过程故障监测方法，其特征在于，所述步骤S11中，如果所有样本第j个变量的实际值无法测量，通过专家经验或传感器制造商提供的测量误差进行上下限的确定。4.根据权利要求2所述的基于局部和全局区间嵌入的不确定过程故障监测方法，其特征在于，所述步骤S12中：如果所有样本第j个变量的实际值可以在实验室等方式测量，则计算相对测量，其中和分别表示第j个过程变量的不确定测量值和实际值，然后通过基于合理粒度原则的测量误差估计方法确定第j个过程变量最合理的相对测量误差的下界和上界，即，最后第j个过程变量的第i次观测的不确定数据通过和转换为区间数据...

【专利技术属性】
技术研发人员：丁华，李宁，孙晓春，王光，马子越，张瑞珈，边永帅，廖瑶瑶，浦国树，马丁，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：