[發(fā)明專利]基于符號有向圖和數(shù)據(jù)重構(gòu)的故障診斷方法

有效

• 申請?zhí)枺?/td>: 201310753722.X
• 申請日: 2013-12-31
• 公開（公告）號: CN103713628B
• 公開（公告）日: 2017-01-18
• 發(fā)明（設(shè)計(jì)）人: 王毓;魏巖;張峰華;楊煜普
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 上海旭誠知識(shí)產(chǎn)權(quán)代理有限公司31220
• 代理人: 鄭立

技術(shù)領(lǐng)域

本發(fā)明涉及多變量復(fù)雜系統(tǒng)的故障診斷系統(tǒng)領(lǐng)域，尤其涉及一種基于符號有向圖和數(shù)據(jù)重構(gòu)的故障診斷方法。

背景技術(shù)

隨著工業(yè)過程控制系統(tǒng)不斷朝著大規(guī)模化、智能化和復(fù)雜化的方向發(fā)展，安全問題日益成為大家關(guān)心的主要問題之一。作為過程控制系統(tǒng)的核心組成部分之一，動(dòng)態(tài)系統(tǒng)的故障檢測與診斷（FDD）技術(shù)就是為了適應(yīng)工業(yè)系統(tǒng)對提高可靠性和降低事故風(fēng)險(xiǎn)的需要而形成和發(fā)展起來的。在過去的幾十年中，故障診斷問題得到了國內(nèi)外學(xué)者的廣泛關(guān)注，涌現(xiàn)出關(guān)于故障檢測與隔離的各種方法。這些方法從整體上可以分為定性方法和定量分析兩大類。其中，在定量分析方法中，基于數(shù)據(jù)驅(qū)動(dòng)的方法是近年來關(guān)注最多的方法。

在基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法中，基于多元統(tǒng)計(jì)的故障診斷方法是近幾年備受關(guān)注的方法之一。傳統(tǒng)的基于貢獻(xiàn)圖的多元統(tǒng)計(jì)方法是鑒別哪個(gè)變量使得相應(yīng)的統(tǒng)計(jì)量超出正常值的最受歡迎的方法，那些對統(tǒng)計(jì)量具有最大貢獻(xiàn)值的變量被認(rèn)為是引起故障的原因變量。但該方法最大的不足在于，貢獻(xiàn)值容易從一個(gè)變量轉(zhuǎn)移到其他變量，即貢獻(xiàn)值最大的變量不一定是引起故障的根本原因。此外，傳統(tǒng)的基于貢獻(xiàn)圖的多元統(tǒng)計(jì)方法沒有考慮到故障在系統(tǒng)中的傳播問題，因此很難檢測出引起故障的根本原因。

因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種基于符號有向圖和數(shù)據(jù)重構(gòu)的故障診斷方法，考慮故障在系統(tǒng)中的傳播問題，有效地診斷出引起故障的根本原因。

發(fā)明內(nèi)容

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是提供一種基于符號有向圖和數(shù)據(jù)重構(gòu)的故障診斷方法，該方法使用平方預(yù)測誤差（SPE）和累積和（CUSUM）統(tǒng)計(jì)量進(jìn)行故障檢測，通過在故障發(fā)生時(shí)對SDG的所有相容路徑方向的樣本數(shù)據(jù)進(jìn)行重構(gòu)，重構(gòu)后殘差變化最大的方向被認(rèn)為是故障的傳播方向，該方向上的起始節(jié)點(diǎn)為導(dǎo)致故障的原因變量，有效地診斷出引起故障的根本原因。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于符號有向圖和數(shù)據(jù)重構(gòu)的故障診斷方法，包括如下步驟：

步驟一：采集系統(tǒng)運(yùn)行過程中一定數(shù)量的多變量正常數(shù)據(jù)，并對所述多變量正常數(shù)據(jù)進(jìn)行預(yù)處理，作為已知狀態(tài)測量數(shù)據(jù)；

步驟二：對步驟一中所述已知狀態(tài)測量數(shù)據(jù)進(jìn)行PCA分解，將所述已知狀態(tài)的測量數(shù)據(jù)分解為主元部分和殘差部分，并求出所述已知狀態(tài)的測量數(shù)據(jù)的平方預(yù)測誤差的控制限；

步驟三：根據(jù)所述系統(tǒng)的結(jié)構(gòu)特性及反應(yīng)特性，建立所述系統(tǒng)的有向符號圖（SDG），所述有向符號圖的節(jié)點(diǎn)為系統(tǒng)單變量參數(shù)，并設(shè)定誤報(bào)率、漏報(bào)率參數(shù)，根據(jù)系統(tǒng)的SDG確定所述已知狀態(tài)測量數(shù)據(jù)各變量V-mask的參數(shù)值；

步驟四：實(shí)時(shí)采集系統(tǒng)運(yùn)行過程中一定數(shù)量的多變量過程數(shù)據(jù)，并對所述多變量過程數(shù)據(jù)進(jìn)行預(yù)處理，作為未知狀態(tài)測量數(shù)據(jù)，統(tǒng)計(jì)所述未知狀態(tài)測量數(shù)據(jù)累積和CUSUM統(tǒng)計(jì)值及所述未知狀態(tài)測量數(shù)據(jù)的平方預(yù)測誤差SPE，如果SPE超出步驟二的控制限，則表示系統(tǒng)出現(xiàn)故障；

步驟五：如果系統(tǒng)沒有出現(xiàn)故障，重復(fù)步驟四，若系統(tǒng)出現(xiàn)故障，通過V-mask的雙臂判斷所述SDG的節(jié)點(diǎn)是否有效，對于超過V上下臂的所述過程數(shù)據(jù)變量，節(jié)點(diǎn)符號分別為“+”和“-”號；

步驟六：確定所有節(jié)點(diǎn)狀態(tài)后，搜索所述SDG中所有的相容路徑，即相鄰節(jié)點(diǎn)符號相乘為正的路徑；

步驟七：在所有有效節(jié)點(diǎn)方向和所述相容路徑方向上對所述未知狀態(tài)測量數(shù)據(jù)進(jìn)行重構(gòu)，將重構(gòu)指標(biāo)最大的方向便設(shè)為故障的傳播路徑，判定所述故障的傳播路徑上的起始節(jié)點(diǎn)為導(dǎo)致故障發(fā)生的根本原因。

在本發(fā)明的較佳實(shí)施方式中，所述步驟一中的所述多變量正常數(shù)據(jù)預(yù)處理步驟為：首先將采集的所述一定數(shù)量的多變量正常數(shù)據(jù)減去所述多變量正常數(shù)據(jù)的均值，然后除以所述多變量正常數(shù)據(jù)的方差。

在本發(fā)明的另一較佳實(shí)施方式中，所述步驟二中PCA方法按照特征值貢獻(xiàn)率選取主元，要求貢獻(xiàn)率在85%以上。

在本發(fā)明的較佳實(shí)施方式中，所述步驟二中平方預(yù)測誤差控制限計(jì)算公式為其中(1-α)×100%為所述控制限的置信度，這里λ_i為所述預(yù)處理后的所述多變量正常數(shù)據(jù)樣本協(xié)方差矩陣的第i大的特征值。

在本發(fā)明的另一較佳實(shí)施方式中，所述步驟三中所述V-mask的參數(shù)為：和h＝d*k，其中k為V的斜率，d為最近的采樣點(diǎn)離V定點(diǎn)的距離，h為最近的采樣點(diǎn)離V的上下臂的距離，α為誤報(bào)率，β為漏報(bào)率，δ為能檢測到的偏移量（樣本標(biāo)準(zhǔn)差的倍數(shù)），σ_x為樣本的標(biāo)準(zhǔn)差。