【技术实现步骤摘要】
本专利技术属于工业过程监控领域，具体涉及一种基于深层多采样概率主成分分析的工业过程故障检测方法。
技术介绍
1、工业过程故障检测是保障生产安全、提升设备可靠性和优化生产效率的关键技术所在。以废水处理为例，随着现代工业化和城市化进程的加速，污水排放量持续增长，水资源污染已经成为世界目前主要的环境问题。废水处理过程将废水进行处理，将其返回到水周期中，对环境产生最小的影响或直接重复使用。废水处理过程由于工作条件的复杂性和原材料的变化，有时会发生几种故障，对过程监控提出了更高的要求。在废水处理过程中，由于测量对象的动态特性差异以及采集方式的不同，这些数据采样频率存在显著差异，呈现出显著的多采样率特征。快速动态过程参数(如水温、压力等)可实现毫秒级高频采样；设备状态参数(如流量、转速等)通常以秒级或分级频率采集；而需要离线化验的质量指标(如浓度)和人工巡检数据则可能数小时甚至数周才能获取一次。传统的多元统计方法(如主成分分析、偏最小二乘法及其扩展方法)都是基于采样率单一的假设下进行的，无法有效处理具有多采样率特性的数据，对工业过程的状态进行及时准
<本文档来自技高网...【技术保护点】
1.一种基于深层多采样概率主成分分析的工业过程故障检测方法，其特征在于，在线采集工业过程在线测量数据，利用构建的端到端等效模型获得在线测量数据对应的潜在因子，计算该时刻的T2和SPE统计量，与统计阈值比较，判断是否出现故障；在模型构建阶段，首先利用训练样本集构建深层多采样概率主成分分析模型，根据深层多采样概率主成分分析模型各层模型参数获得端到端等效模型参数的初始值，最终优化获得端到端等效模型。
2.根据权利要求1所述的基于深层多采样概率主成分分析的工业过程故障检测方法，其特征在于，所述端到端等效模型结构采用多采样因子分析模型结构。
3.根据权利...
【技术特征摘要】
1.一种基于深层多采样概率主成分分析的工业过程故障检测方法，其特征在于，在线采集工业过程在线测量数据，利用构建的端到端等效模型获得在线测量数据对应的潜在因子，计算该时刻的t2和spe统计量，与统计阈值比较，判断是否出现故障；在模型构建阶段，首先利用训练样本集构建深层多采样概率主成分分析模型，根据深层多采样概率主成分分析模型各层模型参数获得端到端等效模型参数的初始值，最终优化获得端到端等效模型。
2.根据权利要求1所述的基于深层多采样概率主成分分析的工业过程故障检测方法，其特征在于，所述端到端等效模型结构采用多采样因子分析模型结构。
3.根据权利要求1所述的基于深层多采样概率主成分分析的工业过程故障检测方法，其特征在于，所述深层多采样概率主成分分析模型中，第一层采用多采样概率主成分分析模型结构，剩余层采用概率主成分分析模型结构。...
【专利技术属性】
技术研发人员：周乐，叶佳豪，石磊，杨秦敏，刘毅，侯北平，
申请(专利权)人：浙江科技大学，
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。