[發明專利]一種基于多塊典型相關分析模型的分布式故障檢測方法

有效

• 申請號: 201810658918.3
• 申請日: 2018-06-11
• 公開（公告）號: CN108762242B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 來赟冬;童楚東;俞海珍
• 申請（專利權）人: 寧波大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多塊典型相關分析模型的分布式故障檢測方法，其特征在于：所述方法包括以下步驟：

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，計算X中各列向量的均值μ₁，μ₂，…，μ_m以及標準差δ₁，δ₂，…，δ_m，并按照如下所示公式對X中各行向量進行標準化處理得到新數據矩陣即：

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，x∈R^1×m表示矩陣X中任意一個行向量，為行向量x經標準化處理后的結果，均值行向量μ＝[μ₁，μ₂，…，μ_m]，ζ∈R^m×m為對角矩陣且對角線上的元素為標準差δ₁，δ₂，…，δ_m；

步驟(2)根據各測量變量的生產單元歸屬，將m個測量變量劃分成C個不同的變量子塊，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對應地分成C個不同的子矩陣X₁，X₂，…，X_C并初始化c＝1，其中m_c為第c個變量子塊中變量個數且滿足條件m₁+m₂+…+m_C＝m；

步驟(4)將X₁，X₂，…，X_C中除第c個子矩陣X_c以外的子矩陣合并成一個矩陣Z_c，利用典型相關分析算法求解得到典型成分具體的實施過程如下所示：

①根據如下所示公式分別計算得到相關性矩陣Φ₁、Φ₂、Φ₃、和Φ₄：

其中，上標號T表示矩陣或向量的轉置；

②計算Θ_c＝Φ₁^-1Φ₂Φ₃^-1Φ₄的所有特征值及相應的特征向量其中，特征向量的長度都為1；

③根據公式U_c＝X_cB_c計算得到典型成分矩陣U_c，其中

步驟(5)根據公式D_c＝diag(U_cΛ_c^-1U_c^T)計算訓練數據中第c個子塊所有樣本數據的監測統計指標組成向量D_c，并找出D_c中最大值記錄為ξ_c，其中矩陣Λ_c＝U_cU_c^T/(n-1)；

步驟(6)判斷是否滿足條件c＜C；若是，則置c＝c+1后返回步驟(4)；若否，則保留矩陣Λ₁，Λ₂，…，Λ_C、矩陣B₁，B₂，…，B_C、以及ξ₁，ξ₂，…，ξ_C；

步驟(7)收集新采樣時刻的數據樣本y∈R^1×m，根據公式對y實施標準化處理得到新數據向量

步驟(8)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對應地分成C個不同的子向量y₁，y₂，…，y_C，并初始化c＝1；

步驟(9)根據公式u_c＝y_cB_c計算第c個子塊下的典型成分u_c；

步驟(10)根據公式D_c＝u_cΛ_c^-1u_c^T計算第c個子塊下的監測統計指標D_c；

步驟(11)判斷是否滿足條件c＜C；若是，則置c＝c+1后返回步驟(9)；若否，則依據貝葉斯概率融合將D₁，D₂，…，D_C融合成一個概率型指標BIC；

步驟(12)判斷是否滿足條件：BIC≤0.01；若是，則當前監測時刻系統處于正常運行狀態，返回步驟(7)繼續對下一采樣時刻的樣本實施在線故障檢測；若否，則當前采樣數據來自故障工況。