一种基于PLSR自编码器的故障检测方法及装置制造方法及图纸

本发明专利技术公开一种基于PLSR自编码器的故障检测方法及装置，通过近邻变化特征分析阶段和PLSR分析阶段实现PLSR自编码器的搭建后，利用其对实时采样的样本数据进行故障检测。在近邻变化分析阶段，本发明专利技术公开了三种针对各个正常样本数据实施近邻变化特征学习的技术方案，实现了全方位、多层次学习表示正常数据的变化特征。此外，本发明专利技术还公开了从不同的角度确定各个正常样本数据对应的近邻矩阵的技术，进一步的保证了近邻变化特征分析的全方位性。最后，本发明专利技术根据所公开的故障检测方法的实施过程，对应的设计了一种故障检测装置，该故障检测装置保存并实时提供关键技术参数来实现对实时采样的样本数据进行状态监测，并提供实时的监测图像。

【技术实现步骤摘要】

本专利技术涉及运行状态监测，特别涉及一种基于plsr自编码器的故障检测方法及装置。

技术介绍

1、随着计算机技术和先进测量仪表广泛用于生产运行中，化工过程对象会被实时采集并存储到海量的过程数据，这些数据可以直接或间接的反映化工过程对象的运行状态，从而实现故障的即时检测；相比于使用化工过程对象的机理模型实施故障检测任务，数据驱动的故障检测只依赖于过程数据，避免了要求高精度机理模型的建立过程，其实施过程简单易行，在故障检测方面具备很大的可行性优势。

2、对化工过程对象实施数据驱动的故障检测需要先行对正常工况条件下的样本数据实施特征分析，从而学习表示出正常数据集所呈现的正常变化特征，故障检测的实施在于即时识别在线实时采样数据对应的特征是否符合先行定义的正常变化范围内。以这个技术核心为宗旨，神经网络领域的自编码器已被成功用于故障检测。例如，一篇于2023年2月1日发表在《chemometrics and intelligent laboratory systems》期刊上的标题为nonlocal,local and global preserving 本文档来自技高网...

【技术保护点】

1.一种基于PLSR自编码器的故障检测方法，包括如下所示步骤1至步骤8：

2.根据权利要求1所述的一种基于PLSR自编码器的故障检测方法，其特征在于，所述步骤3-2中对所述数据矩阵中的第i列向量对应的近邻矩阵Xi实施近邻变化特征分析的具体过程包括以下所示步骤A-1至步骤A-4，其中i＝1,2,…,N；

3.根据权利要求2所述的一种基于PLSR自编码器的故障检测方法，其特征在于，对所述近邻矩阵Xi实施近邻变化特征分析的具体过程还包括以下所示步骤B-1至步骤B-4：

4.根据权利要求3所述的一种基于PLSR自编码器的故障检测方法，其特征在于，对所述近邻矩阵...

【技术特征摘要】

1.一种基于plsr自编码器的故障检测方法，包括如下所示步骤1至步骤8：

2.根据权利要求1所述的一种基于plsr自编码器的故障检测方法，其特征在于，所述步骤3-2中对所述数据矩阵中的第i列向量对应的近邻矩阵xi实施近邻变化特征分析的具体过程包括以下所示步骤a-1至步骤a-4，其中i＝1,2,…,n；

3.根据权利要求2所述的一种基于plsr自编码器的故障检测方法，其特征在于，对所述近邻矩阵xi实施近邻变化特征分析的具体过程还包括以下所示步骤b-1至步骤b-4：

4.根据权利要求3所述的一种基于plsr自编码器的故障检测方法，其特征在于，对所述近邻矩阵xi实施近邻变化特征分析的具体过程还包括以下所示步骤c-1至步骤c-3：

5.根据权利要求1至4中任意一项所述的一种基于plsr自编码器的故障检测方...

【专利技术属性】
技术研发人员：李善志，葛英辉，朱莹，
申请(专利权)人：宁波大学，
类型：发明
国别省市：