[發(fā)明專利]一種基于多個(gè)誤差生成模型的故障分類診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810233507.X
• 申請(qǐng)日: 2018-03-06
• 公開（公告）號(hào): CN108491878B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 童楚東;俞海珍;朱瑩
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G07C3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種基于多個(gè)誤差生成模型的故障分類診斷方法，通過多個(gè)單分類的模型實(shí)施故障診斷。首先，本發(fā)明方法將每種故障類型可用訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成能體現(xiàn)變量間相互關(guān)系特征的誤差，然后對(duì)各個(gè)故障訓(xùn)練數(shù)據(jù)轉(zhuǎn)換后誤差分別建立單分類匹配模型。在線故障類型識(shí)別時(shí)，先將在線故障樣本按不同故障類型對(duì)應(yīng)的誤差生成模型轉(zhuǎn)換為誤差后，在計(jì)算相應(yīng)的統(tǒng)計(jì)指標(biāo)數(shù)值，并依據(jù)統(tǒng)計(jì)指標(biāo)最小數(shù)值識(shí)別故障類型。與傳統(tǒng)方法相比，本發(fā)明方法針對(duì)各測(cè)量變量單獨(dú)建立一個(gè)偏最小二乘模型以生成誤差，體現(xiàn)出了分散式建模的特點(diǎn)。此外，本發(fā)明方法將故障分類診斷的多分類問題轉(zhuǎn)換成了多個(gè)單分類模型實(shí)施故障分類。因此，本發(fā)明方法是一種更為優(yōu)選的故障分類診斷方法。

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)驅(qū)動(dòng)的工業(yè)故障診斷方法，尤其涉及一種基于多個(gè)誤差生成模型的故障分類診斷方法。

背景技術(shù)

通常意義上來講，對(duì)生產(chǎn)過程運(yùn)行狀態(tài)實(shí)施監(jiān)測(cè)的目的首先在于及時(shí)而準(zhǔn)確地發(fā)現(xiàn)故障，其次在于識(shí)別出故障的根源或類型。因此，故障檢測(cè)與診斷兩者缺一不可，它們對(duì)于保證安全生產(chǎn)與維持產(chǎn)品質(zhì)量穩(wěn)定是具有重要意義的。近十幾年來，針對(duì)故障檢測(cè)的研究層出不窮，涌現(xiàn)出了一大批故障檢測(cè)新方法與新思路。相比之下，針對(duì)故障診斷的研究卻寥寥無幾。當(dāng)前，由于工業(yè)信息化建設(shè)的大舉推進(jìn)，實(shí)施故障檢測(cè)與診斷的主流技術(shù)是數(shù)據(jù)驅(qū)動(dòng)的方法，這主要得益于現(xiàn)代化工過程的大型化建設(shè)以及先進(jìn)儀表與計(jì)算機(jī)技術(shù)的廣泛應(yīng)用，生產(chǎn)過程可以采集海量的數(shù)據(jù)。數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法發(fā)展至今主要的實(shí)施方案有兩種，其一是監(jiān)測(cè)變量的貢獻(xiàn)度分析，其二是將故障診斷當(dāng)成一種分類問題實(shí)施故障分類。變量的貢獻(xiàn)度分析由于變量間的交錯(cuò)關(guān)系，很容易將正常變量定位成故障根源。故障分類通過判別故障類型，在保證分類模型精確性的前提下可以較好地識(shí)別出故障類型。

然而，與傳統(tǒng)分類問題不同的是，故障分類所能使用的數(shù)據(jù)皆采集自工況切換的過渡過程階段，不僅數(shù)據(jù)的時(shí)變特性非常強(qiáng)，而且各類故障的可用參考樣本有限。這主要是因?yàn)樵诠收习l(fā)生后，現(xiàn)場(chǎng)操作人員會(huì)在第一時(shí)間內(nèi)將過程修復(fù)至正常運(yùn)行狀態(tài)，各種故障工況下采集到的數(shù)據(jù)量是有限的。針對(duì)故障分類的研究若是直接采用模式識(shí)別領(lǐng)域常用的分類算法如判別分析、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等建立多分類模型通常得不到滿意的效果。此外，支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)實(shí)施訓(xùn)練才能保證模型精度，它們通常不適合用作故障分類診斷。

縱觀現(xiàn)有的故障分類診斷方法的文獻(xiàn)與專利，還鮮有涉及將故障多分類模型轉(zhuǎn)變成多個(gè)單分類模型實(shí)施故障類型識(shí)別的解決思路。一般而言，針對(duì)某個(gè)故障類型進(jìn)行特征描述建立單分類的模型與實(shí)施故障檢測(cè)有相似之處，其特點(diǎn)在于可以針對(duì)每種故障類型實(shí)施其各自的特征挖掘與分析。然而，由于每種故障的可用訓(xùn)練數(shù)據(jù)時(shí)變特性強(qiáng)，建立單分類的模型實(shí)施故障類型匹配還有很多挑戰(zhàn)性的難點(diǎn)未得到有效解決。

發(fā)明內(nèi)容

本發(fā)明所要解決的主要技術(shù)問題是：如何通過多個(gè)單分類的模型實(shí)施故障類型識(shí)別。具體來講，本發(fā)明方法首先將每種故障類型的可用訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成能體現(xiàn)變量間相互關(guān)系特征的誤差，然后對(duì)誤差建立分類的“故障檢測(cè)”模型從而用于在線故障類型識(shí)別。

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于多個(gè)誤差生成模型的故障分類診斷方法，包括以下步驟：

(1)從生產(chǎn)過程歷史數(shù)據(jù)庫(kù)中找到不同故障工況條件下的采樣數(shù)據(jù)，組成不同的參考故障數(shù)據(jù)集其中N_c為第c種故障的可用樣本數(shù)，c＝1，2，…，C，R為實(shí)數(shù)集，表示N_c×m維的實(shí)數(shù)矩陣，m為過程測(cè)量變量的個(gè)數(shù)。

(2)對(duì)各類型故障的參考故障數(shù)據(jù)集X₁，X₂，…，X_C按列實(shí)施標(biāo)準(zhǔn)化處理，對(duì)應(yīng)得到均值為0，標(biāo)準(zhǔn)差為1的新數(shù)據(jù)矩陣并初始化i＝1。

(3)將新數(shù)據(jù)矩陣中的第i列向量x_i取出，新數(shù)據(jù)矩陣中其余的列組成新矩陣再利用偏最小二乘算法建立由Y_i預(yù)測(cè)輸出x_i的誤差生成模型，具體的實(shí)施過程如下所示：