[發明專利]基于分布式數據模型的廠級過程故障檢測與診斷方法

有效

• 申請號: 201310299198.3
• 申請日: 2013-07-15
• 公開（公告）號: CN103389701A
• 公開（公告）日: 2013-11-13
• 發明（設計）人: 葛志強;宋執環
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 周烽

1.一種基于分布式數據模型的廠級過程故障檢測與診斷方法，其特征在于，包括以下步驟：?

（1）利用集散控制系統收集廠級過程的數據組成建模用的訓練數據樣本集：X∈R^n×m。其中，n為樣本數據集的個數，m為樣本數據集的變量個數。?

（2）針對廠級過程數據集X∈R^n×m，建立一個全局的主元分析模型，提取廠級過程的主元數據方向，并定義一個變量貢獻度指標，在各個主元方向上，選取貢獻大的過程變量，構造廠級過程的子模塊。這樣，整個廠級過程數據集X∈R^n×m被分為不同的子模塊其中b=1,2,…,k為子模塊的序號，k為總的子模塊個數。將這些子模塊數據集存入數據庫備用。?

（3）針對每一個子模塊對應的數據集，對其進行歸一化處理，建立基于主元分析的故障檢測模型，提取主元信息，建立子模塊的監測統計量及其監測限。?

（4）得到各個子模塊的監測信息之后，對其結果進行整合和集成，形成廠級范圍的故障檢測模型。?

（5）在故障檢測模型的基礎上，通過分析故障敏感子模塊和故障不敏感子模塊之間的變量關系，建立面向多模塊廠級過程的故障診斷模型，實現對廠級過程大的精確故障診斷。?

（6）收集新的過程數據，并對其進行預處理和歸一化。?

（7）將新的過程數據劃分為多個子模塊，輸入到子模塊主元模型中，計算相應的主元成分。?

（8）計算各個子模塊對于的監測統計量值，集成多個子模塊的監測結果，形成廠級過程的故障檢測結果，判斷當前過程的運行狀態。?

（9）在故障檢測的基礎上，分別找出故障敏感子模塊和故障不敏感子模塊的公共變量，得到該故障的診斷結果。?

2.根據權利要求1所述基于分布式數據模型的廠級過程故障檢測與診斷方法，其特征在于，所述步驟（2）具體為：針對廠級過程數據集X∈R^n×m，建立一個全局的主元分析模型，提取廠級過程的主元數據方向，即：?

其中，T∈R^n×k和分別為主元模型中主元和殘差空間的得分矩陣，P∈R^m×k?和為相應的負載矩陣，k為主元個數。在主元模型中，各個主元的方向是相互正交的，因此，在各個主元方向上構造的廠級過程子模塊，能保證子模塊相互之間的重疊盡可能的少，符合廠級過程的子模塊劃分原則。在每一個主元方向上，定義如下的變量貢獻度指標：?

其中，i=1,2,…,m，j=1,2,…,k，為獻負載矩陣中的第i行第j列對于的元素值的平方。基于上述變量貢獻度指標，在各個主元方向上，選取貢獻大的過程變量，構成廠級過程的各個子模塊。因此，整個廠級過程數據集X∈R^n×m被劃分為k個子模塊，即：?

X=[X₁?X₂?…?X_b?…?X_k]?

其中b=1,2,…,k為子模塊的序號，k為總的子模塊個數。?

3.根據權利要求1所述基于分布式數據模型的廠級過程故障檢測與診斷方法，其特征在于，所述步驟（3）具體為：針對每一個子模塊對應的數據集，首先對其進行歸一化處理，即去掉每個數據變量的均值和方差，然后建立主元分析模型，具體可以通過對協方差矩陣進行特征值分解實現。通過主元分析，可以把原空間分為主元空間和殘差空間，得到的載荷矩陣和得分矩陣如下：?

其中，k_b為選取的主元個數，T_b為主元空間的得分矩陣，為殘差空間的得分矩陣，為主元分解得到的特征值矩陣，并滿足以下關系?這樣主元分析模型就把原來的過程操作空間分為兩個子空間，即主元空間和殘差空間

4.根據權利要求1所述基于分布式數據模型的廠級過程故障檢測與診斷方法，其特征在于，所述步驟(4)具體為：得到各個子模塊的監測信息之后，對其結果進行整合和集成，形成廠級范圍的故障檢測模型，即:?

SPE_glob=Com{SPE(1),SPE(2),…,SPE(k)}?

其中，T²和SPE分別代表主元分析模型的兩個故障檢測統計量，Com{·}表示對k個子模塊的結果進行集成。?