System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于随机投影T-PLS的压缩空气系统故障检测算法技术方案_技高网
当前位置: 首页 > 专利查询>杭州哲达科技股份有限公司专利>正文

一种基于随机投影T-PLS的压缩空气系统故障检测算法技术方案

技术编号：40536061 阅读：6 留言：0更新日期：2024-03-01 13:58
本申请公开了一种基于随机投影T‑PLS的压缩空气系统故障检测算法，涉及基于数据驱动的故障检测领域。具体实现方案为：获取训练样本数据，并对所述训练样本数据依次进行数据标准化、随机投影、数据降维处理；利用PLS模型将进行数据降维后的训练样本数据分解为主元和残差；利用主元和残差建立T‑PLS模型并计算统计量；根据F分布和χ<supgt;2</supgt;分布计算统计量的控制限，实现故障检测。本申请通过利用PLS模型对数据空间进行初步分解，再利用T‑PLS对PLS的主元子空间和残差子空间进一步分解，将投影子空间中与质量变量正交的变化分离出来，将残差子空间中较大方差的变化与噪声区分开来，从而进一步提高了质量相关故障的检测率，降低了质量无关故障的误报率。

全部详细技术资料下载

【技术实现步骤摘要】

本申请涉及基于数据驱动的故障检测，尤其涉及一种基于随机投影t-pls的压缩空气系统故障检测算法。


技术介绍

1、压缩空气系统是指大气压力的空气被压缩并以较高的压力输给气动系统。典型的压缩空气系统由下列几个部分组成：空气压缩机(可能有冷却器)、储气罐、干燥机(冷冻式或吸附式)、过滤器(包括油水分离器、除油过滤器、除臭过滤器、灭菌过滤器等)、稳压储气罐、自动排水排污器及输气管道、管路阀件、控制仪表、气动工具、气动动力机械、使用压缩空气的工艺流程等。随着现代工业的发展，压缩空气系统已经成为不可缺少的第四大能源系统，因此，压缩空气系统已被广泛的采用。因为工业环境的特殊性，设备往往会出现各种故障，如果得不到及时的处理，不仅会造成经济损失，甚至可能引发严重的安全事故，其中电气设备故障问题尤为突出，所以需要建立一套完善的故障检测系统，及时地发现故障，尽早地解决故障。


技术实现思路

1、基于此，本申请为解决故障检测误报率高的问题，提供了一种基于随机投影t-pls的压缩空气系统故障检测算法。

2、本申请提供了一种基于随机投影t-pls的压缩空气系统故障检测算法，包括：

3、获取训练样本数据，并对所述训练样本数据依次进行数据标准化、随机投影、数据降维处理；

4、利用pls模型将进行数据降维后的训练样本数据分解为主元和残差；

5、利用主元和残差建立t-pls模型并计算统计量；

6、根据f分布和χ2分布计算统计量的控制限，实现故障检测。

<p>7、所述训练样本数据为目标工业过程在正常工况下的过程变量数据和质量变量数据；设定过程变量数据为包含m维过程变量、n个样本的矩阵，记为x0＝[x1,x2,…,xn]∈rn×m，质量变量数据为包含p维过程变量、n个样本的矩阵，记为y0＝[y1,y2,…,yn]∈rn×p。

8、将所述训练样本数据标准化的操作包括，

9、

10、对随机投影进行数据降维，得到经处理后的过程变量数据x，

11、

12、

13、其中，表示过程变量数据的中间变量，xmean表示x0的均值，xstd表示x0的标准差，x表示经处理后的过程变量数据，h∈rm×r属于随机矩阵，ymean表示y0的均值，ystd表示y0的标准差，y表示经处理后的过程变量数据。

14、利用pls模型将进行数据降维后的训练样本数据分解为主元和残差的操作包括，

15、将进行数据降维后的训练样本数据作为pls模型的输入，利用偏最小二乘法将(x,y)投影到由少数潜在变量(t1,...,ta)定义的低维空间中，其中a为主成分个数，分解后为：

16、x＝tpt+e

17、y＝tqt+f

18、其中，t＝[t1,...,ta]表示得分矩阵，p＝[p1,...,pa]表示x的负载矩阵，q＝[q1,...,qa]表示y的负载矩阵，e和f分别表示对x和y进行标准化得到的矩阵；

19、t＝xr

20、r＝w(ptw)-1。

21、利用主元和残差建立t-pls模型的操作包括，

22、根据利用pls模型分解后得到的数据空间，结合t-pls算法得到如下的模型：

23、

24、

25、其中，ty、to、tr分别表示质量变量直接相关部分、质量变量正交部分和原始残差中较大方差变化部分的得分矩阵，py、po、pr分别表示质量变量直接相关部分、质量变量正交部分和原始残差中较大方差变化部分的负载矩阵，qy表示对应于ty的y的新负载矩阵，表示新的残差矩阵，ay表示与y相关的主成分个数，ar表示与y无关的主成分个数。

26、还包括，

27、利用pca算法计算得到主成分个数为ay＝rank(q)；

28、计算

29、利用pca算法计算得到主成分个数为(a-ay)；

30、利用pca算法计算得到主成分个数为ar，其中，tr表示e的主要部分，er表示e的残差部分。

31、统计量的计算步骤包括，

32、对于一个变量样本x，利用t-pls模型分别计算质量变量直接相关部分的统计量质量变量正交部分的统计量原始残差中较大方差变化部分的统计量和最终残差部分的统计量qr；

33、

34、

35、

36、

37、

38、

39、

40、

41、

42、

43、

44、其中，ty表示变量样本x在质量变量直接相关部分的得分，to表示变量样本x在质量变量正交部分的得分，tr表示变量样本x在原始残差中较大方差变化部分的得分，表示变量样本x在最终残差部分的残差，λy、λo、λt均表示计算过程中的中间变量。

45、根据f分布和χ2分布计算统计量的控制限，具体包括，

46、

47、

48、

49、

50、其中，表示的控制限，表示的控制限，表示的控制限，j(qr)表示qr的控制限，α表示置信度，s表示q的样本方差，μ表示q的样本均值。

51、在实时检测的过程中，对于一个新采集的过程样本xnew，标准化并随机投影后，通过pls模型分解，分别计算新采集的过程样本质量变量直接相关部分的统计量质量变量正交部分的统计量原始残差中较大方差变化部分的统计量以及最终残差部分的统计量

52、

53、

54、

55、

56、

57、

58、

59、

60、其中，ty，new表示新采集的过程样本xnew在质量变量直接相关部分的得分，to，new表示新采集的过程样本xnew在质量变量正交部分的得分，tr，new表示新采集的过程样本xnew在原始残差中较大方差变化部分的得分，表示新采集的过程样本xnew的残差。

61、所述故障检测判断包括，分别与控制限比较，若且则表明检测到了与质量变量数据y相关的故障；若且则表明检测到了与质量变量数据y无关的故障。

62、有益效果：本申请通过利用pls模型对数据空间进行初步分解，再利用t-pls对pls的主元子空间和残差子空间进一步分解，将投影子空间中与质量变量正交的变化分离出来，将残差子空间中较大方差的变化与噪声区分开来，从而进一步提高了质量相关故障的检测率，降低了质量无关故障的误报率。

63、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

本文档来自技高网...

【技术保护点】

1.一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于，包括：

2.根据权利要求1所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：所述训练样本数据为目标工业过程在正常工况下的过程变量数据和质量变量数据；设定过程变量数据为包含m维过程变量、n个样本的矩阵，记为X0＝[x1,x2,…,xn]∈Rn×m，质量变量数据为包含p维过程变量、n个样本的矩阵，记为Y0＝[y1,y2,…,yn]∈Rn×p。

3.根据权利要求2所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：将所述训练样本数据标准化的操作包括，

4.根据权利要求3所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：利用PLS模型将进行数据降维后的训练样本数据分解为主元和残差的操作包括，

5.根据权利要求4所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：利用主元和残差建立T-PLS模型的操作包括，

6.根据权利要求5所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：还包括，

7.根据权利要求6所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：统计量的计算步骤包括，

8.根据权利要求7所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：根据F分布和χ2分布计算统计量的控制限，具体包括，

9.根据权利要求7所述的一种基于随机投影T-PLS的压缩空气系统故障检测算法，其特征在于：在实时检测的过程中，对于一个新采集的过程样本xnew，标准化并随机投影后，通过PLS模型分解，分别计算新采集的过程样本质量变量直接相关部分的统计量质量变量正交部分的统计量原始残差中较大方差变化部分的统计量以及最终残差部分的统计量

10.根据权利要求9所述的一种基于随机投影PLS方法的压缩空气系统故障检测算法，其特征在于：所述故障检测判断包括，

...

【技术特征摘要】

1.一种基于随机投影t-pls的压缩空气系统故障检测算法，其特征在于，包括：

2.根据权利要求1所述的一种基于随机投影t-pls的压缩空气系统故障检测算法，其特征在于：所述训练样本数据为目标工业过程在正常工况下的过程变量数据和质量变量数据；设定过程变量数据为包含m维过程变量、n个样本的矩阵，记为x0＝[x1,x2,…,xn]∈rn×m，质量变量数据为包含p维过程变量、n个样本的矩阵，记为y0＝[y1,y2,…,yn]∈rn×p。

3.根据权利要求2所述的一种基于随机投影t-pls的压缩空气系统故障检测算法，其特征在于：将所述训练样本数据标准化的操作包括，

4.根据权利要求3所述的一种基于随机投影t-pls的压缩空气系统故障检测算法，其特征在于：利用pls模型将进行数据降维后的训练样本数据分解为主元和残差的操作包括，

5.根据权利要求4所述的一种基于随机投影t-pls的压缩空气系统故障检测算法，其特征在于：利用主元和残差建...

【专利技术属性】
技术研发人员：吴平，沈天昱，周浩特，郁辉球，李创，沈岑，沈新荣，
申请(专利权)人：杭州哲达科技股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人
相关技术
网友询问留言 已有0条评论

  • 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。

1
发布您的意见
相关领域技术

关于我们 | 联系我们 | 支付方式

Copyright © 2018 All Rights Reserved.

津ICP备16005673号-1 津公网安备 12019202000132号 技高德科技（天津）有限公司版权所有