[發明專利]一種適用于多采樣率化工過程的故障檢測方法

有效

• 申請號: 202010570611.5
• 申請日: 2020-06-13
• 公開（公告）號: CN111913446B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 葛英輝;藍艇;其他發明人請求不公開姓名
• 申請（專利權）人: 寧波大學
• 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

本發明公開一種適用于多采樣率化工過程的故障檢測方法，旨在解決多采樣率化工過程建模與在線故障檢測問題。具體來講，本發明考慮了化工過程多采樣率導致測量樣本個數不一致問題，且本發明方法解決的技術難點在于：如何在充分考慮測量變量間相關性的基礎上實施多采樣率樣本數據的特征提取。為此，本發明為多采樣率化工過程發明出一個全新的多采樣率建模算法。本發明不僅解決了多采樣率化工過程的數據建模問題，而且多采樣率建模算法充分地考慮了不同采樣頻率測量變量之間的相關性。最后，通過具體的實施案例，對比驗證了本發明在多采樣率化工過程的故障檢測上的優越性。

技術領域

本發明涉及一種化工過程運行狀態監測方法，特別涉及一種適用于多采樣率化工過程的故障檢測方法。

背景技術

由于計算機技術與先進測量儀表技術在現代化工工業過程中的廣泛應用，化工生產過程中的溫度，壓力，流量等數據信息可以被實時測量并存儲起來，這些海量樣本數據為當前化工“大數據”建設提供了堅實的數據基礎。近十幾年來，利用采樣數據來檢測化工過程運行中出現的故障在安全化工生產領域受到了越來越多的重視，其思想在于通過采樣數據來實時檢測化工過程運行是否出現故障，從而保證安全生產與維持產品質量的穩定性。經過十幾年的發展歷程，適用于化工過程對象的數據驅動故障檢測方法已經從早期的單變量思路轉變成以主成分分析(Principal Component Analysis，縮寫：PCA)與偏最小二乘(Partial Least Square，縮寫：PLS)等多變量分析算法為基礎的多變量故障檢測方法。這些主流的故障檢測方法實施的核心主要關注于數據潛在特征的挖掘。換句話說，所建立的數據驅動模型都是旨在提取采樣數據中潛藏的特征。

一個典型的化工過程對象的核心生產單元都包含有：反應設備、分離設備、冷卻設備、和回流裝置。這些設備之間相互鏈接，運行機理與控制系統回路較為復雜。此外，由于測量儀器儀表購置批次不同或對測量物理量的實時性要求不同，導致不同測量變量會存在不同的采樣率。舉個簡單的例子：化工過程中的溫度、壓力等物理量可在較短的時間內得到測量，其測量周期可按照分種或秒來測量；然而，產品的濃度等檢驗指標，因測量儀表或人員的限制，其測量周期會相對較長，通常是按照小時來錄入。如此一來，在相同采樣時間段內，化工過程各個測量儀器采集到的樣本數據的個數是不一致的。

一方面，從檢測故障發生與否的角度出發，任何測量變量的異常變化都能夠反映出化工過程運行中出現了故障。因此，為了保證故障檢測的全面性，所有的測量數據都應該得到有效的應用。另一方面，若是按照不同采樣率將測量變量分成多個變量塊或者集合，然后對每種采樣率數據分開進行建模，會忽略變量塊或集合之間的相關性。這主要是因為化工過程的運行是一個整體，從運行機理上講各個測量變量間是存在耦合關系的，反應在數據上就是各測量變量間的相關性了。若是變量的相關性發生了變化，化工過程同樣是進入了故障運行狀態的。因此，研究發明出一種適用于多采樣率化工過程的故障檢測方法是一個還未得到有效解決的問題。

發明內容

本發明所要解決的主要技術問題是：發明出一種適用于多采樣率化工過程的故障檢測方法。由于需要考慮多采樣率導致測量樣本數據不一致問題，本發明方法解決的技術難點則在于：如何在充分考慮測量變量間相關性的基礎上實施多采樣率的樣本數據的特征提取。

本發明方法解決上述問題所采用的技術方案為：一種適用于多采樣率化工過程的故障檢測方法，包括以下步驟：

步驟(1)：確定化工過程對象中各測量儀器儀表的采樣頻率，并將采樣頻率相同的測量儀器儀表所對應的測量變量歸屬為一個變量集合，得到B個變量集合φ₁，φ₂，…，φ_B，并將備變量集合所對應的采樣頻率分別記錄為f₁，f₂，…，f_B。