[發明專利]一種基于多階段OICA的間歇過程故障監測方法

有效

• 申請號: 201910582671.6
• 申請日: 2019-06-28
• 公開（公告）號: CN110245460B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 常鵬;丁春豪;王普
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

本發明公開了一種基于多階段OICA的間歇過程故障監測方法。包括“離線建模”和“在線監測”兩個階段。“離線建模”首先對發酵過程的正常數據進行處理；之后對整個批次生產過程進行階段劃分，然后對每個階段分別建立OICA監測模型并構造監控統計量，并利用核密度估計方法確定統計量的控制限。“在線監測”包括：對新采集的數據進行階段歸屬判別，然后對不同階段分別建立OICA監控模型，計算其統計量并與控制限進行比較判斷發酵過程是否運行正常。本發明所提方法不受約束，可以提取更多包含對故障有用的信息用于過程監測，計算復雜度低，有效地降低了監測的誤報率和漏報率，極大地提升監測性能，具有較高的實際應用價值。

技術領域

本發明涉及基于數據驅動的故障診斷技術領域，特別是涉及一種針對間歇過程的故障診斷技術。本發明的針對間歇過程的故障監測方法數據驅動的方法即是——青霉素發酵過程故障監測方面的具體應用。

背景技術

近年來，由于間歇過程可以滿足生產高附加值產品的需求，批量生產規模比較靈活，工藝改變較容易，對于產品切換有一定的兼容性，可以進行少量的不同品種的生產，并且可以較快地適應原料或運行條件的變化，從而受到廣泛關注。但其機理復雜、操作復雜度高、產品質量易受不確定性因素的影響，因此為了保證生產過程的安全、穩定、高效的運行，有必要建立一種有效的過程監控方案來及時地檢測異常現象。

目前，多元統計技術已經廣泛應用于間歇過程的過程監控，其中應用較為廣泛的是ICA(Independent?Component?Analysis)、PCA(Principal?Component?Analysis)及其擴展等方法。而且傳統的ICA方法在求解解混矩陣時不穩定，收斂速度慢甚至不能收斂，并且要求采樣時間周期必須大于變量個數才有解。隨著智能工業制造業的升級改造越來越多的傳感器應用在智能制造領域，這勢必導致測量數據的變量數超過系統采樣周期，特別地，針對生產過程進行階段劃分后，由于過度階段持續時間較短，不能滿足采樣周期大于變量個數的條件，導致傳統ICA及其擴展算法將對此不在適用。

發明內容

為了解決上述問題，提出一種基于多階段Over-complete?IndependentComponent?Analysis的間歇過程故障監測方法。充分考慮間歇過程多階段特性以及相鄰階段的過程變量之間的相關關系，對生產過程進行階段軟劃分，將整個生產過程劃分為穩定階段和過渡階段；其次對每個階段分別構建OICA監測模型用于故障監測，從而提高建模的精度，有效減少過程監測中誤報警、漏報警的發生，提高故障監測的準確性。

本發明所采用的技術方案和實現步驟包括“離線建模階段”和“在線監測階段”，具體步驟如下所示：

A.離線建模階段：

1)采集發酵過程正常工況下的歷史數據，所述的歷史數據X由離線測試得到的一批次青霉素發酵生產過程正常操作狀態的數據構成，一批次數據包含N個采樣時刻，每個采樣時刻采集J個過程變量形成數據矩陣其中，對于每個采樣時刻x_i＝(x_i,1,x_i,2,…,x_i,j)，x_i,j表示第i個采樣時刻的第j個變量的測量值；

2)對歷史數據進行標準化處理，首先計算歷史數據X所有過程變量的均值和標準差，其中第j個變量所有時刻的均值第j個變量所有時刻的標準差x_i,j表示第i個采樣時刻的第j個變量的測量值j＝1,…,J。

3)然后對歷史數據X進行標準化：其中第i個采樣時刻的第j個變量的標準化公式如下：

其中，i＝1,2,…N,j＝1,2,…J。

4)將步驟2)標準化后的數據重新構造成二維矩陣，如下式所示：

其中，i＝1,2,…N,j＝1,2,…J。