[發明專利]一種基于平行的偏最小二乘法的工業過程故障檢測方法

有效

• 申請號: 201710670223.2
• 申請日: 2017-08-07
• 公開（公告）號: CN107272667B
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 鄭英;劉紫薇
• 申請（專利權）人: 華中科技大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

1.一種基于平行的偏最小二乘法的工業過程故障檢測方法，其特征在于，包括：

(1)獲取正常工況下的過程數據和質量數據作為樣本數據，建立平行偏最小二乘法數據模型，平行偏最小二乘法數據模型的輸入為過程數據，輸出為質量數據；

(2)利用平行的偏最小二乘法將平行偏最小二乘法數據模型的輸入和輸出分為4個子空間：輸入-輸出聯合空間、不可預測輸出主元空間、不可預測殘差空間和輸入殘差空間；

(3)計算4個子空間的監測統計量指標，以及監測統計量指標相對應的控制限；

(4)獲取待檢測的工業過程數據和質量數據，將待檢測的工業過程數據和質量數據分成4個子空間，并計算各個子空間的實際監測統計量指標，當實際監測統計量指標超過控制限，則判斷待檢測的工業過程發生故障；

所述步驟(1)包括：

(1-1)獲取正常工況下過程數據和質量數據，為過程數據，為質量數據，其中，m為過程數據樣本個數，l為質量數據樣本個數，n為變量個數；

(1-2)對X和Y進行歸一化處理得到樣本數據，使得每個樣本數據的均值為0、方差為1，將樣本數據中的X作為輸入，將樣本數據中的Y作為輸出，建立平行偏最小二乘法數據模型；

所述步驟(2)包括：

(2-1)對輸入X和輸出Y平行的運行偏最小二乘算法，得到關聯矩陣K；

(2-2)對關聯矩陣K進行濾波處理，得到新的關聯矩陣

(2-3)對新的關聯矩陣進行奇異值分解，從而將輸入X分解成兩個相互正交的子空間，得到輸入殘差空間；

(2-4)在輸出Y中除去由X預測的部分，得到3個子空間：輸入-輸出聯合空間、不可預測輸出主元空間和不可預測殘差空間。

2.如權利要求1所述的一種基于平行的偏最小二乘法的工業過程故障檢測方法，其特征在于，所述步驟(2-2)的具體實現方式為：

對關聯矩陣K進行l₀優化后成為新的關聯矩陣即在的前提下最小化其中，ε為閾值。

3.如權利要求1所述的一種基于平行的偏最小二乘法的工業過程故障檢測方法，其特征在于，所述步驟(2-3)包括：

(2-3-1)對新的關聯矩陣做奇異值分解如下所示：其中是對角陣，對角線上為矩陣的奇異值；U_K和分別對應于非零奇異值和零奇異值，且U_K和嚴格正交，它們的列組成對的正交輸入的基向量，這些向量是的特征向量；V_K的列組成對的正交輸出的基向量，這些向量是的特征向量；

(2-3-2)構造矩陣和由此借助Ξ_K,可以將X投影到兩個相互垂直的子空間中：其中，代表輸入主空間，包含非零奇異值相應的奇異向量，代表輸入殘差空間，包含零奇異值對應的奇異向量，和相互正交。

4.如權利要求1或2或3所述的一種基于平行的偏最小二乘法的工業過程故障檢測方法，其特征在于，所述步驟(2-4)包括：

(2-4-1)根據新的關聯矩陣Y中不能由X預測的變化為

(2-4-2)對做主元分析PCA，用累計方差準則確定主元個數為l_y,通過PCA將分解為相互正交的兩部分：其中P_y和分別為主元空間和殘差空間的載荷矩陣，Λ＝diag{λ₁,λ₂,…,λ_l}是與主元對應的由特征值λ₁,λ₂,…,λ_l組成的對角矩陣，T_y是主元空間的得分矩陣，輸出被分解為三個子空間，表示輸入-輸出聯合空間，表示不可預測輸出主元空間，表示不可預測殘差空間。