[發明專利]基于KPCA-CVA模型和隨機算法的過程監測方法

有效

• 申請號: 202010022651.6
• 申請日: 2020-01-09
• 公開（公告）號: CN111259523B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 吳平;樓嗣威;高金鳳
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10
• 代理公司: 紹興市寅越專利代理事務所(普通合伙) 33285
• 代理人: 鄧愛民

本發明涉及一種基于KPCA?CVA模型和隨機算法的過程監測方法，首先采樣獲得過程狀態數據，其后基于對正常工況下數據建立非線性KPCA?CVA模型，并求得相應的T²統計量和Q統計量，使用隨機算法獲得相應的統計量閾值；再用實時測量值計算相應的統計量并和判斷閾值做比較，判斷天然氣液化裝置的運行狀態是否發生非正常變化。本發明采用非線性KPCA?CVA方法充分考慮了數據中的非線性特性，并專注于過程中的動態特性構造了過去、將來矩陣，可以更有效地發現過程中的初始故障，并且在閾值的確定上使用了隨機算法，可以更為準確地確定非高斯的過程統計量閾值。

技術領域：

本發明涉及過程監測技術領域，具體涉及一種基于KPCA-CVA模型和隨機算法的過程監測方法。

背景技術：

天然氣液化裝置中，丙烷預冷混合制冷劑液化流程(C3MR)由于結合了級聯式與制冷劑液化流程的優點，具有既簡單又高效的特點，被廣泛應用于各個場景。C3MR流程主要分為兩個環節：輕烴回收分餾過程和制冷劑循環過程。

輕烴回收分餾過程：原料氣首先進行預處理利用活化甲基二乙醇胺溶液脫二氧化碳，其次通過變溫等方法除去原料氣中水等雜質。隨后原料氣依次進入脫乙烷塔、脫丙烷塔、脫丁烷塔進行輕烴回收分餾，獲取丙烷制冷劑以及其他高附加值副產品，并對天然氣凝液的熱值進行調節,隨后將處理后的天然氣與制冷劑加入主換熱器，進行制冷劑循環過程。

制冷劑循環過程：主要將天然氣和混合制冷劑分別通過換熱器制成液態天然氣成品，而混合制冷劑在一定階段被導出進行循環使用。

天然氣液化裝置由于長年需要在多負荷、高壓、低溫等環境下運行，外加上氣源氣壓不穩定、機械部件疲勞及結構參數的不合理等情況，裝置受到損壞現象十分容易發生，繼而會出現產品產出效率降低的情況，嚴重地可能會發生重大的生產安全事故。在2016~2020期間，國家將投資高達2200億元左右用于天然氣的基礎設施建設當中，其中大型天然氣液化裝置的建設更是其中裝備建設任務的重點之一。因此，有必要對天然氣液化裝置進行實時過程監測，以便及時發現設備故障并進行維修，通過過程監測保證人員和設備的安全，也增加部件的使用壽命。

針對工業過程中的過程監測已有一些方法，如規范變量分析法(CVA)是在最優的統計推理原理上發展起來的，并且已證明能達到最優的統計精度，它的基本思想是將兩個變量集間的相關度最大化，即將歷史數據集和未來數據集間的相關度最大化，在過去和現在狀態的基礎上，提供對未來輸出的最佳預測。將CVA算法引入到過程監測領域，更能從本質上刻畫過程數據的特征。由于現有的基于CVA模型的過程監測方法不可避免的會有數據遺失的現象，本發明對基于CVA的過程監測方法進行了改進，更容易有效識別出引起故障的過程變量，有鑒于此，本案由此而生。

發明內容：

本發明公開一種基于KPCA-CVA模型和隨機算法的過程監測方法，充分考慮了數據中的非線性特性而使用了KPCA方法進行分析，并專注于過程中的動態特性構造了過去、將來矩陣，可以更有效地發現過程中的初始故障，并且在閾值的確定上使用了隨機算法，可以更為準確地確定非高斯的過程統計量閾值。

為了實現上述發明目的，本發明所采用的技術方案為：

基于KPCA-CVA模型和隨機算法的過程監測方法，內容包括：

步驟1)：采集正常工況下的過程狀態數據，每一次采樣可以得到1×m的測量向量x_k，下標k表示采樣時刻，經過n次采樣后，得到采樣矩陣 X＝[x₁,x₂…x_n]^T∈R^n×m；

步驟2)：通過數據的時序關系構建過去數據矩陣X_p和將來數據矩陣X_f，并使用高斯核函數將低維數據投影到高維特征空間中，獲得過去核矩陣和將來核矩陣；