[發明專利]一種基于多生產單元變量交叉相關解耦策略的故障監測方法

有效

• 申請號: 201810280187.3
• 申請日: 2018-03-19
• 公開（公告）號: CN108536943B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 厲鑫浩;童楚東;俞海珍
• 申請（專利權）人: 寧波大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多生產單元變量交叉相關解耦策略的故障監測方法，其特征在于，包括以下步驟：

離線建模的實施過程如下所示：

步驟(1)：采集生產過程對象中所有生產單元正常運行狀態下的樣本數據，組成訓練數據集X∈R^n×m，并對其進行標準化處理，得到均值為0、標準差為1的新數據矩陣其中，n為訓練樣本總數，m為過程對象所有測量變量的個數，R為實數集，R^n×m表示n×m維的實數矩陣；

步驟(2)：根據各測量變量的生產單元歸屬，將m個測量變量分成C個不同的變量子塊，其中C表示過程對象中生產單元的個數；

步驟(3)：依據C個不同的變量子塊將矩陣對應地分成C個不同的子矩陣X₁，X₂，…，X_C，其中m_c為第c個變量子塊中變量個數且滿足條件∑m_c＝m；

步驟(4)：將第c個子矩陣X_c做為回歸模型的輸出，同時將Y＝[X₁，…，X_c-1，X_c+1，…X_C]做為回歸模型的輸入，利用偏最小二乘算法建立如下所示的輸入-輸出之間的回歸模型：

X_c＝YΘ_c+E_c (1)

上式中，Θ_c為回歸矩陣，為回歸模型誤差；

步驟(5)：重復步驟(4)直至得到C個PLS模型，并將模型誤差E₁，E₂，…，E_C合并成一個誤差矩陣E＝[E₁，E₂，…，E_C]∈R^n×m；

步驟(6)：將誤差矩陣E作為新的訓練數據矩陣，對其中的每一列實施標準化處理，得到均值為0，標準差為1的新數據矩陣

步驟(7)：利用主成分分析算法為建立相應的PCA故障監測模型，并保留模型參數集Θ＝{B，Λ，D_lim，SPE_lim}以備調用，其中B為投影變量矩陣，Λ是由特征值組成的對角矩陣，D_lim與SPE_lim分別表示監測統計量D與SPE的控制上限；

在線故障監測的實施過程如下所示：

步驟(8)：收集新采樣時刻的數據樣本x∈R^1×m，對其實施與步驟(1)中相同的標準化處理得到新數據向量

步驟(9)：根據步驟(2)中的C個不同的變量子塊，對應地將新數據向量分成C個不同的子向量x₁，x₂，…，x_C；

步驟(10)：調用步驟(4)中建立的第c個PLS模型，根據如下所示公式計算出多生產單元變量交叉相關解耦后的誤差e_c

e_c＝x_c-yΘ_c (5)

上式中，y＝[x₁，…，x_c-1，x_c+1，x_C]；

步驟(11)：重復步驟(10)直至得到C個誤差e₁，e₂，…，e_C，并將這些誤差合并成一個誤差向量e＝[e₁，e₂，…，e_C]；

步驟(12)：對誤差向量e實施與步驟(6)中相同的標準化處理得到新向量

步驟(13)：根據如下所示公式計算監測統計指標D與SPE：

上式中，I為m×m維的單位矩陣；

步驟(14)：判斷是否滿足條件：D≤D_lim且SPE≤SPE_lim；若是，則當前監測時刻系統處于正常運行狀態，返回步驟(8)繼續實施在線故障監測；若否，則當前采樣數據來自故障工況。