[發(fā)明專利]一種基于新型動態(tài)主元分析的動態(tài)過程監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 201811577508.2
• 申請日: 2018-12-13
• 公開（公告）號: CN109634240B
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 皇甫皓寧;童楚東;葛英輝
• 申請（專利權(quán)）人: 寧波大學(xué)
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種基于新型動態(tài)主元分析的動態(tài)過程監(jiān)測方法，旨在同時挖掘出訓(xùn)練數(shù)據(jù)中的方差特征與自相關(guān)性特征，并以此為基礎(chǔ)實施動態(tài)過程監(jiān)測。具體來講，本發(fā)明方法重新定義了傳統(tǒng)主元分析算法的目標(biāo)函數(shù)，使本發(fā)明中所涉及的新型主元分析算法的目標(biāo)函數(shù)同時涵蓋有方差特征與自相關(guān)性特征。由于本發(fā)明方法在數(shù)據(jù)特征挖掘時，同時考慮了數(shù)據(jù)的方差特征與時間序列上的自相關(guān)性特征。因此。本發(fā)明方法中涉及的新型主元分析算法不僅是一種全新的特征提取算法，而且還能夠挖掘更加全面的特征。可以說，本發(fā)明方法是一種更為優(yōu)選的動態(tài)過程監(jiān)測方法。

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)驅(qū)動的過程監(jiān)測方法，尤其涉及一種基于新型動態(tài)主元分析的動態(tài)過程監(jiān)測方法。

背景技術(shù)

近年來，在工業(yè)“大數(shù)據(jù)”熱潮，現(xiàn)代工業(yè)過程逐步走向數(shù)字化管理。這主要得益于先進(jìn)儀表技術(shù)與計算技術(shù)的飛速發(fā)展與廣泛應(yīng)用，生產(chǎn)過程對象可以離線存儲與在線測量海量的數(shù)據(jù)。這些數(shù)據(jù)蘊含著能體現(xiàn)生產(chǎn)過程運行狀態(tài)的信息，利用采樣數(shù)據(jù)實施過程運行狀態(tài)的監(jiān)測于是乎得到了較多學(xué)者們的青睞。在最近的十幾年內(nèi)，無論是學(xué)術(shù)界還是工業(yè)界，都投入了大量的人力與物力研究以故障檢測與診斷為核心任務(wù)的過程監(jiān)測方法。在數(shù)據(jù)驅(qū)動的過程監(jiān)測研究領(lǐng)域，統(tǒng)計過程監(jiān)測是被研究得最多的方法，其中當(dāng)以主元分析(Principal Component Analysis，PCA)算法為最主流的實施技術(shù)手段。統(tǒng)計過程監(jiān)測的核心本質(zhì)在于：通過對正常工況下的采樣數(shù)據(jù)實施特征挖掘，并利用該特征建立單分類的模型以實施監(jiān)測。因此，特征挖掘或稱特征提取在統(tǒng)計過程監(jiān)測領(lǐng)域中占有著重要地位。

建立數(shù)據(jù)驅(qū)動的過程監(jiān)測模型時，需要充分挖掘正常工況下采樣數(shù)據(jù)的特征。由于采樣時間間隔較短，采樣數(shù)據(jù)不可避免地存在時間序列上的自相關(guān)性。因此，數(shù)據(jù)的自相關(guān)性這種動態(tài)特征是必須考慮的一個問題。針對動態(tài)過程監(jiān)測問題的研究，最常見的思路就是使用增廣矩陣，將數(shù)據(jù)的自相關(guān)性與交叉相關(guān)性混淆在一起后，利用PCA算法實施特征提取。這就是科研文獻(xiàn)中最經(jīng)典的動態(tài)PCA方法，在經(jīng)典動態(tài)PCA方法的基礎(chǔ)上，也有學(xué)者發(fā)明了多種新穎的建模思路，使得動態(tài)PCA方法的動態(tài)過程監(jiān)測性能得以提升。然而，PCA算法的目標(biāo)函數(shù)決定了PCA模型只能挖掘出訓(xùn)練數(shù)據(jù)中的方差信息，不能挖掘出時間序列上的相關(guān)性。當(dāng)然，正常數(shù)據(jù)的方差特征與自相關(guān)性特征都是數(shù)據(jù)的潛在特征，不能單方面的注重其中一種。

發(fā)明內(nèi)容

本發(fā)明所要解決的主要技術(shù)問題是：如何同時挖掘出訓(xùn)練數(shù)據(jù)中的方差特征與自相關(guān)性特征，并以此為基礎(chǔ)實施動態(tài)過程監(jiān)測。為此，本發(fā)明公開一種新型動態(tài)主元分析算法，并將之應(yīng)用于動態(tài)過程監(jiān)測。具體來講，本發(fā)明方法重新定義了傳統(tǒng)PCA算法的目標(biāo)函數(shù)，使目標(biāo)函數(shù)同時涵蓋有方差特征與自相關(guān)特征。

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于新型動態(tài)主元分析的動態(tài)過程監(jiān)測方法，包括以下所示步驟：

(1)采集生產(chǎn)過程正常運行工況下的樣本，組成訓(xùn)練數(shù)據(jù)矩陣X∈R^n×m，并計算矩陣X中各列向量的均值μ₁，μ₂，…，μ_m以及標(biāo)準(zhǔn)差δ₁，δ₂，…，δ_m，對應(yīng)組成均值向量μ＝[μ₁，μ₂，…，μ_m]^T與標(biāo)準(zhǔn)差向量δ＝[δ₁，δ₂，…，δ_m]，其中，n為訓(xùn)練樣本數(shù)，m為過程測量變量數(shù)，R為實數(shù)集，R^n×m表示n×m維的實數(shù)矩陣，上標(biāo)號T表示矩陣或向量的轉(zhuǎn)置。

(2)根據(jù)公式對矩陣X實施標(biāo)準(zhǔn)化處理得到矩陣其中，U∈R^n×m是由n個相同的均值向量μ組成的矩陣，即U＝[μ，μ，…，μ]^T，對角矩陣Φ中對角線上的元素由標(biāo)準(zhǔn)差向量δ組成。