[發(fā)明專利]基于局部自適應(yīng)標(biāo)準(zhǔn)化的化工系統(tǒng)多工況故障檢測方法

有效

• 申請?zhí)枺?/td>: 202010098141.7
• 申請日: 2020-02-18
• 公開（公告）號: CN111367253B
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 趙勁松;吳昊
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 羅文群

1.一種基于局部自適應(yīng)標(biāo)準(zhǔn)化的化工系統(tǒng)多工況故障檢測方法，其特征在于，包括以下步驟：

(1)從化工系統(tǒng)的歷史數(shù)據(jù)庫中獲取N種工況下的正常運(yùn)行數(shù)據(jù)集D_history，數(shù)據(jù)集D_history共有m行n列數(shù)據(jù)，其中，m代表化工系統(tǒng)的過程變量，n代表總運(yùn)行時(shí)間；

(2)將步驟(1)中的正常運(yùn)行數(shù)據(jù)集D_history劃分成訓(xùn)練集D_train和驗(yàn)證集D_valid，訓(xùn)練集D_train包括m行n_train列數(shù)據(jù)，驗(yàn)證集D_valid包括m行n_valid列數(shù)據(jù)，其中訓(xùn)練集D_train占?xì)v史正常運(yùn)行數(shù)據(jù)集的D_history比例為60％≤a≤90％；

(3)將步驟(2)中的訓(xùn)練集D_train和驗(yàn)證集D_valid進(jìn)行局部自適應(yīng)標(biāo)準(zhǔn)化處理，得到轉(zhuǎn)化后的訓(xùn)練集T_train和驗(yàn)證集T_valid，具體步驟如下：

(3-1)利用步驟(2)的訓(xùn)練集D_train中的正常運(yùn)行數(shù)據(jù)，利用下式計(jì)算化工系統(tǒng)中m個(gè)過程變量的全局平均標(biāo)準(zhǔn)差gmstd(D_train)，包括m個(gè)數(shù)值：

其中，i代表化工過程的工況序號，1≤i≤N，則D_train，i代表訓(xùn)練集D_train中第i種工況的正常運(yùn)行數(shù)據(jù)，std(D_{train，i})代表訓(xùn)練集D_train中第i種工況的標(biāo)準(zhǔn)差向量，包括m個(gè)數(shù)值，通過計(jì)算對應(yīng)變量的標(biāo)準(zhǔn)差得到std(D_train，i)，n_train，i代表訓(xùn)練集D_train中第i種工況的正常運(yùn)行數(shù)據(jù)的數(shù)量，

(3-2)對于步驟(2)的訓(xùn)練集D_train中的第k個(gè)正常運(yùn)行數(shù)據(jù)x_k，k代表訓(xùn)練集D_train中的運(yùn)行時(shí)間序號，k＝1、2...、n_train，x_k包括時(shí)間序號為k的m個(gè)變量數(shù)值，計(jì)算時(shí)間向前選取時(shí)間窗口為t的局部移動窗口數(shù)據(jù)w_k，w_k共有m行t列數(shù)據(jù)，其中t為時(shí)間窗口，10≤t≤100：

利用局部移動窗口數(shù)據(jù)w_k，計(jì)算w_k中的m個(gè)變量的平均值，得到mean(w_k)，mean(w_k)包括m個(gè)數(shù)值；

(3-3)利用步驟(3-1)中的gmstd(D_train)和步驟(3-2)中的mean(w_k)，對步驟(3-2)的局部移動窗口數(shù)據(jù)w_k進(jìn)行局部自適應(yīng)標(biāo)準(zhǔn)化，使w_k數(shù)據(jù)的m個(gè)變量近似轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布，得到局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)

(3-4)重復(fù)步驟(3-2)和步驟(3-3)，依次計(jì)算訓(xùn)練集中D_train內(nèi)每個(gè)正常運(yùn)行數(shù)據(jù)，得到局部自適應(yīng)標(biāo)準(zhǔn)化的訓(xùn)練集T_train；

(3-5)對于步驟(2)的驗(yàn)證集D_valid中的第p個(gè)正常運(yùn)行數(shù)據(jù)x_p，p代表驗(yàn)證集D_valid中的運(yùn)行時(shí)間序號，p＝1、2...、n_valid，x_p包括時(shí)間序號為p的m個(gè)變量數(shù)值，時(shí)間向前選取時(shí)間窗口為t的局部移動窗口數(shù)據(jù)w_p，w_p共有m行t列數(shù)據(jù)，其中t是步驟(3-2)中的時(shí)間窗口：

利用局部移動窗口數(shù)據(jù)w_p，計(jì)算w_p中的m個(gè)變量的平均值，得到mean(w_p)，mean(w_p)包括m個(gè)數(shù)值；

(3-6)利用步驟(3-1)中的gmstd(D_train)和步驟(3-5)中的mean(w_p)，對步驟(3-5)的局部移動窗口數(shù)據(jù)w_p進(jìn)行局部自適應(yīng)標(biāo)準(zhǔn)化，使w_p數(shù)據(jù)的m個(gè)變量近似轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布，得到局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)

(3-7)重復(fù)步驟(3-5)和步驟(3-6)，依次計(jì)算驗(yàn)證集中D_valid內(nèi)每個(gè)正常運(yùn)行數(shù)據(jù)，得到局部自適應(yīng)標(biāo)準(zhǔn)化的驗(yàn)證集T_valid；

(4)構(gòu)建一個(gè)變分自動編碼器，包括編碼器和解碼器兩部分，并利用步驟(3-4)得到的訓(xùn)練集T_train對該變分自動編碼器進(jìn)行訓(xùn)練，得到訓(xùn)練完畢的變分自動編碼器，具體步驟如下：

(4-1)利用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)或深度置信網(wǎng)絡(luò)，設(shè)計(jì)并構(gòu)建編碼器，將步驟(3-3)的局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)作為編碼器的輸入，映射得到的特征向量σ_k和μ_k，特征向量σ_k和μ_k分別有l(wèi)個(gè)數(shù)值，l表示特征向量的維度，m≤l≤4m：

(4-2)利用步驟(4-1)的特征向量σ_k和μ_k，進(jìn)行重參數(shù)化得到的隱藏特征向量h_k，h_k包括l個(gè)數(shù)值：

h_k＝μ_k+σ_k⊙∈

其中∈是從標(biāo)準(zhǔn)正態(tài)分布隨機(jī)采樣得到，⊙表示向量對應(yīng)元素相乘；

(4-3)利用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)或深度置信網(wǎng)絡(luò)，設(shè)計(jì)并構(gòu)建解碼器，將步驟(4-2)的隱藏特征向量h_k作為解碼器的輸入，重構(gòu)得到與步驟(3-3)的具有相同維度的重構(gòu)數(shù)據(jù)共有m行t列數(shù)據(jù)：

(4-4)根據(jù)如下?lián)p失函數(shù)，利用步驟(4-1)的特征向量σ_k和μ_k以及步驟(4-3)的重構(gòu)數(shù)據(jù)計(jì)算步驟(3-3)局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)的誤差

即為變分自動編碼器的損失函數(shù)，損失函數(shù)包括重構(gòu)損失和KL散度損失λ是KL散度損失相對于重構(gòu)損失的權(quán)重系數(shù)，10³≤λ≤10⁶，兩部分損失計(jì)算如下，其中j代表化工過程的變量序號，1≤j≤m：

(4-5)重復(fù)步驟(4-1)-步驟(4-4)，依次將步驟(3-4)的訓(xùn)練集T_train的每個(gè)數(shù)據(jù)輸入變分自動編碼器進(jìn)行誤差計(jì)算，通過誤差反向傳播算法訓(xùn)練變分自動編碼器得到訓(xùn)練完畢的變分自動編碼器；

(5)利用步驟(4)得到的訓(xùn)練完畢的變分自動編碼器和步驟(3-7)得到的驗(yàn)證集T_valid，通過估計(jì)驗(yàn)證集T_valid的異常分?jǐn)?shù)置信度區(qū)間，得到變分自動編碼器用于故障檢測任務(wù)時(shí)的監(jiān)控閾值η，具體步驟如下：

(5-1)將步驟(3-6)的局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)作為步驟(4)中訓(xùn)練完畢的變分自動編碼器的輸入，映射得到的特征向量σ_p和μ_p，特征向量σ_p和μ_p分別有l(wèi)個(gè)數(shù)值，l表示特征向量的維度：

(5-2)利用步驟(5-1)的特征向量σ_p和μ_p，對進(jìn)行重參數(shù)化，得到的隱藏特征向量h_p，h_p包括l個(gè)數(shù)值：

h_p＝μ_p+σ_p⊙∈

其中∈是從標(biāo)準(zhǔn)正態(tài)分布隨機(jī)采樣得到，⊙表示向量對應(yīng)元素相乘；

(5-3)將步驟(5-2)的隱藏特征向量h_p作為步驟(4)訓(xùn)練完畢的變分自動編碼器中解碼器的輸入，重構(gòu)得到與步驟(3-6)的具有相同維度的重構(gòu)數(shù)據(jù)共有m行t列數(shù)據(jù)：

(5-4)根據(jù)如下異常分?jǐn)?shù)計(jì)算公式，利用步驟(5-1)的特征向量σ_p和μ_p以及步驟(5-3)的重構(gòu)數(shù)據(jù)計(jì)算步驟(3-6)局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)的異常分?jǐn)?shù)

異常分?jǐn)?shù)包括重構(gòu)損失和KL散度損失λ是KL散度損失相對于重構(gòu)損失的權(quán)重系數(shù)，與步驟(4-4)的λ相同；兩部分損失計(jì)算如下，其中j代表化工過程的變量序號，1≤j≤m：

(5-5)重復(fù)步驟(5-1)-步驟(5-4)，依次將步驟(3-7)的驗(yàn)證集T_valid的每個(gè)數(shù)據(jù)輸入變分自動編碼器，計(jì)算異常分?jǐn)?shù)得到驗(yàn)證集T_valid的異常分?jǐn)?shù)數(shù)據(jù)集S_valid；

(5-6)異常分?jǐn)?shù)數(shù)據(jù)集S_valid服從正態(tài)分布，取異常分?jǐn)?shù)數(shù)據(jù)集S_valid的正態(tài)分布置信度為α的異常分?jǐn)?shù)作為該化工系統(tǒng)的監(jiān)控閾值η，99％≤α≤99.99％；

(6)利用步驟(4)中訓(xùn)練完畢的變分自動編碼器，以及步驟(5)得到的監(jiān)控閾值η，在不同工況下對該化工系統(tǒng)的過程數(shù)據(jù)進(jìn)行在線故障檢測，包括以下步驟：

(6-1)在當(dāng)前檢測時(shí)刻q，從該化工系統(tǒng)的實(shí)時(shí)數(shù)據(jù)庫中收集過程數(shù)據(jù)，時(shí)間向前選取時(shí)間窗口為t的局部移動窗口數(shù)據(jù)w_q，w_q共有m行t列數(shù)據(jù)，其中t為步驟(3-2)中的時(shí)間窗口：

利用局部移動窗口數(shù)據(jù)w_q，計(jì)算w_q中的m個(gè)變量的平均值，得到mean(w_q)，mean(w_q)包括m個(gè)數(shù)值；

(6-2)利用步驟(3-1)中的gmstd(D_train)和步驟(6-1)中的mean(w_q)，對步驟(6-1)的局部移動窗口數(shù)據(jù)w_q進(jìn)行局部自適應(yīng)標(biāo)準(zhǔn)化，使w_q數(shù)據(jù)的m個(gè)變量近似轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布，得到局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)

(6-3)將步驟(6-2)的局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)作為步驟(4)訓(xùn)練完畢的變分自動編碼器中編碼器的輸入，映射得到的特征向量σ_q和μ_q，兩個(gè)特征向量分別都有1個(gè)數(shù)值，l表示特征向量的維度，與步驟(4-1)的l具有相同大小：

(6-4)利用步驟(6-3)的特征向量σ_q和μ_q，進(jìn)行重參數(shù)化得到的隱藏特征向量h_q，h_q包括l個(gè)數(shù)值：

h_q＝μ_q+σ_q⊙∈

其中∈是從標(biāo)準(zhǔn)正態(tài)分布隨機(jī)采樣得到，⊙表示向量對應(yīng)元素相乘；

(6-5)將步驟(6-4)的隱藏特征向量h_q作為步驟(4)中訓(xùn)練完畢的變分自動編碼器中解碼器的輸入，重構(gòu)得到與步驟(6-2)的具有相同維度的重構(gòu)數(shù)據(jù)共有m行t列數(shù)據(jù)：

(6-6)根據(jù)如下異常分?jǐn)?shù)計(jì)算公式，利用步驟(6-3)的特征向量σ_q和v_q以及步驟(6-5)的重構(gòu)數(shù)據(jù)計(jì)算步驟(6-2)局部自適應(yīng)標(biāo)準(zhǔn)化的局部移動窗口數(shù)據(jù)的異常分?jǐn)?shù)

異常分?jǐn)?shù)包括重構(gòu)損失和KL散度損失λ是KL散度損失相對于重構(gòu)損失的權(quán)重系數(shù)，與步驟(4-4)的λ相同；兩部分損失計(jì)算如下，其中j代表化工過程的變量序號，1≤j≤m：

(6-7)將步驟(6-6)的異常分?jǐn)?shù)與步驟(5)得到的監(jiān)控閾值η進(jìn)行比較，若則當(dāng)前化工系統(tǒng)處于正常運(yùn)行狀態(tài)，返回步驟(6-1)繼續(xù)監(jiān)控在線實(shí)時(shí)數(shù)據(jù)，若則表明當(dāng)前化工系統(tǒng)發(fā)生了系統(tǒng)故障，并發(fā)出故障警告，實(shí)現(xiàn)基于局部自適應(yīng)標(biāo)準(zhǔn)化的化工系統(tǒng)多工況故障檢測。