[發明專利]一種數據驅動的閉環工業過程傳感器故障診斷方法

在審

• 申請號: 201910139299.1
• 申請日: 2019-02-25
• 公開（公告）號: CN109871000A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 周東華;紀洪泉;盧曉;鐘麥英;王友清
• 申請（專利權）人: 山東科技大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 陳海濱

1.一種數據驅動的閉環工業過程傳感器故障診斷方法，其特征在于，包括：

步驟一，采集閉環工業過程在正常工況運行時的一段測量數據作為訓練數據集，并建立該訓練數據集的慢特性分析模型；

步驟二，基于經驗方式確定慢特性分析模型中每個故障檢測指標的控制限；

步驟三，采集閉環工業過程實時工況下的測量數據作為測試數據，測試數據中的測量變量與步驟一中訓練數據集的測量變量相對應；

步驟四，計算測試數據的故障檢測指標，并與步驟二中相對應的控制限進行比較，對所述測試數據進行故障分析；

步驟五，若步驟四中故障分析的結果為有故障發生，則對照故障檢測指標所展示的模式指定相應的傳感器故障類型，實現故障分類。

2.如權利要求1所述的一種數據驅動的閉環工業過程傳感器故障診斷方法，其特征在于，所述步驟一中，工業過程的測量數據不僅包含傳感器測量數據，還包含閉環控制器的輸出值以及執行器取值；選擇式(1)和式(2)所示的兩個指標作為所建立的慢特性分析模型的故障檢測指標：

T²＝s^Ts (1)

其中，s表示通過建立慢特性分析模型而得到的慢特性向量，表示慢特性向量關于時間的一階導數，離散情形可用一階差分代替；慢特性向量s的計算方式為s＝W^Tx，其中x為原始測量去均值后的樣本，矩陣參數W可以通過慢特性分析模型算法求解得到；故障檢測指標S²中的矩陣Ω為對角陣，每個非零對角元素由小到大按照升序排列，也通過慢特性分析模型算法求解得到。

3.如權利要求1所述的一種數據驅動的閉環工業過程傳感器故障診斷方法，其特征在于，所述步驟二具體為：

采用式(3)和式(4)分別計算得到故障檢測指標T²和S²的控制限和

其中，α代表顯著性水平，通常取值0.01；針對一組獨立于步驟一所述訓練數據集且不包含故障的測試數據集。

4.如權利要求1所述的一種數據驅動的閉環工業過程傳感器故障診斷方法，其特征在于，所述步驟四具體為：首先實時獲得在線的測試樣本，并將該樣本均值歸零化，之后將其記為x_t；將x_t代入式(1)和(2)中，并記測試樣本的故障檢測指標分別為T_t²和根據式(5)和式(6)判斷測試樣本中是否有故障發生

如果兩個邏輯判斷條件有至少一個滿足，就認為測試樣本中包含有故障；如果兩個邏輯判斷條件均不滿足，則認為測試樣本正常。

5.如權利要求1所述的一種數據驅動的閉環工業過程傳感器故障診斷方法，其特征在于，所述步驟五具體為：

若步驟四中故障分析的結果為有故障發生，則根據如下邏輯確定傳感器故障的類型：

若發生故障后，T²指標呈現階躍變化的趨勢，而S²指標保持正常，則判定傳感器發生了偏差故障類型；

若發生故障后，T²指標呈現逐漸增大的趨勢，而S²指標保持正常，則判定傳感器發生了漂移故障類型；

若發生故障后，T²指標呈現故障，且S²指標也呈現故障，二者均會發生超出控制限的情況，則判定傳感器發生了精度下降故障類型。