[發明專利]一種多工況識別與故障檢測一體化的化工過程監測方法

在審

• 申請號: 202010570615.3
• 申請日: 2020-06-13
• 公開（公告）號: CN111914888A
• 公開（公告）日: 2020-11-10
• 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: G06K9/62
• 分類號: G06K9/62;G05B23/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多工況識別與故障檢測一體化的化工過程監測方法，其特征在于，包括以下步驟：首先，離線建模階段包括如下所示步驟(1)至步驟(10)；

步驟(1)：利用化工過程對象中的測量儀器儀表采集該化工過程正常運行狀態下的N個樣本數據x₁，x₂，…，x_N，其中x_i∈R^m×1表示第i個樣本數據，R^m×1表示m×1維的實數向量，m為該化工過程對象的測量變量總數，下標號i＝1，2，…，N；

步驟(2)：確定出前n個樣本數據x₁，x₂，…，x_n歸屬于同一生產工況后，再根據公式μ₀＝(x₁+x₂+…+x_n)/n與如下所示公式①分別計算均值向量μ₀與標準差向量σ₀：

其中，n＜N、(x_j-μ₀)·(x_j-μ₍₎)表示向量(x_j-μ₀)與向量(x_j-μ₀)中相同位置的元素相乘，下標號j＝1，2，…，n；

步驟(3)：利用均值向量μ₀和標準差向量σ₀對矩陣X＝[x₁ x₂ … x_N]∈R^m×N實施標準化處理得到新矩陣并將中前n列的列向量組成參考矩陣X₀∈R^m×n，將中后N-n列的列向量組成測試矩陣Y₀∈R^m×(N-n)，其中R^m×n表示m×n維的實數矩陣，R^m×(N-n)表示m×(N-n)維的實數矩陣；

步驟(4)：利用如下所示步驟(4.1)至步驟(4.7)識別出步驟(1)中采集的N個樣本數據x₁，x₂，…，x_N的生產工況歸屬，并將識別出的多個生產工況依次標記為1，2，…，C，其中C為識別出的生產工況總數；

步驟(4.1)：根據公式計算對稱矩陣Φ∈R^m×m，其中A^-1/2表示計算矩陣A的逆矩陣后再進行開根號處理，即：(A^-1/2)(A^-1/2)＝A^-1；

步驟(4.2)：計算對稱矩陣Φ所有特征值所對應的特征向量，并將所有特征值按照大小進行降序排列得到λ₁≥λ₂≥…≥λ_m，特征值λ₁，λ₂，…，λ_m所對應的特征向量依次為v₁，v₂，…，v_m；

步驟(4.3)：根據特征值λ₁，λ₂，…，λ_m的變化情況確定出參數D₀；

步驟(4.4)：將D₀個特征向量組成特征矩陣后，再計算變換矩陣

步驟(4.5)：根據公式計算得分矩陣S₀后，再計算S₀的協方差矩陣

步驟(4.6)：根據公式計算出監測指標向量ψ₀∈R^N×1后，繪制ψ₀的變化曲線，其中diag{}表示將大括號內的矩陣對角線元素轉變成列向量的操作；

步驟(4.7)：根據步驟(4.6)中繪制的變化曲線，識別出多個生產工況并依次標記為1，2，…，C，并確定出步驟(1)中采集的N個樣本數據x₁，x₂，…，x_N的生產工況歸屬；

步驟(5)：計算矩陣X中所有列向量的均值向量μ和標準差向量σ，并利用μ和σ對數據矩陣X實施標準化處理得到矩陣

步驟(6)：根據步驟(4)中各樣本數據的生產工況歸屬，將矩陣分成C個數據矩陣其中，為第k個生產工況下的矩陣、表示m×N_k維的實數矩陣、N_k表示歸屬第k個生產工況的的樣本數據總數、下標號k＝1，2，…，C；

步驟(7)：根據如下所示步驟(7.1)至步驟(7.4)確定出主變換矩陣W∈R^m×D與副變換矩陣

步驟(7.1)：根據如下所示公式計算對稱矩陣Θ∈R^m×m：

上式②中，矩陣是由矩陣中除去矩陣后剩余的C-1個矩陣合并組成的；

步驟(7.2)：計算對稱矩陣Θ中m個特征值所對應的特征向量，并將這m個特征值按照大小進行降序排列得到η₁≥η₂≥…≥η_m，特征值η₁，η₂，…，η_m所對應的特征向量依次為w₁，w₂，…，w_m；

步驟(7.3)：根據特征值η₁，η₂，…，η_m的變化情況確定出參數D；

步驟(7.4)：將前D個特征向量p₁，p₂，…，p_D組成主特征矩陣P＝[p₁，p₂，…，p_D]，將后m-D個特征向量p_D+1，p_D+2，…，p_m組成副特征矩陣

步驟(7.5)：計算主變換矩陣與副變換矩陣

步驟(8)：根據公式計算得分矩陣S_k后，再計算S_k中所有列向量的均值向量μ_k以及的S_k協方差矩陣Λ_k；

步驟(9)：根據如下所示公式確定出控制上限U_lim與控制上限Q_lim：

上式中，表示自由度為D的卡方分布在置信度α條件下的取值，表示自由度為的卡方分布在置信度α條件下的取值，

步驟(10)：保留均值向量和μ、標準差向量σ、主變換矩陣W、副變換矩陣均值向量μ₁，μ₂，…，μ_C、協方差矩陣Λ₁，Λ₂，…，Λ_C、以及控制上限U_lim和Q_lim，以備實施在線過程監測時進行實時調用；

其次，在上述離線建模階段完成后，即可利用實時測量的樣本數據x_t∈R^m×1實施對多工況化工過程運行狀態的在線監測，包括如下所步驟(11)至步驟(14)；

步驟(11)：在線采集多工況化工過程對象最新采樣時刻的樣本數據x_t∈R^m×1，并利用均值向量和μ與標準差向量σ對x_t實施標準化處理得到向量其中下標號t表示最新采樣時刻；

步驟(12)：分別根據公式與計算主得分向量s_t與副得分向量后，再根據公式A_k＝(s_t-μ_k)^TΛ_k(s_t-μ_k)計算馬氏平方距離A₁，A₂，…，A_C，其中k＝1，2，…，C；

步驟(13)：根據如下所示公式分別計算監測指標U_t與監測指標Q_t：

U_t＝min{A₁，A₂，…，A_C} ⑤

上式中，min{A₁，A₂，…，A_C}表示A₁，A₂，…，A_C中最小值；

步驟(14)：判斷是否滿足條件U_t≤U_lim且Q_t≤Q_lim；若是，則當前采樣時刻該化工該過程運行未出現異常狀態，返回步驟(11)繼續實施對下一最新采樣時刻的狀態監測；若否，則執行步驟(15)從而決策是否出現異常狀態；

步驟(15)：返回步驟(11)繼續實施對下一最新采樣時刻的狀態監測，若連續3個采樣時刻的監測指標都不滿足步驟(14)中的判斷條件，則生產過程出現故障并觸發故障警報；否則，不觸發異常狀態警報，并返回步驟(11)繼續實施對下一最新采樣時刻的狀態監測。

2.根據權利要求1所述的一種多工況識別與故障檢測一體化的化工過程監測方法，其特征在于，所述步驟(4.3)中根據特征值λ₁，λ₂，…，λ_m的變化情況確定出參數D₀的具體實施過程如下所示：

步驟(A)：設置d＝1；

步驟(B)：根據公式Δ_d＝(λ_d-λ_d+1)/λ_d計算特征值變化率Δ_d；

步驟(C)：判斷是否滿足條件若是，則設置d＝d+1后返回步驟(B)；若否，則參數D設置成D＝d-1；其中，閥值的取值范圍限定在區間[0.05 0.2]內取值；

此外，步驟(7.3)中根據特征值η₁，η₂，…，η_m的變化情況確定出參數D的實施過程與上述步驟(A)至步驟(C)相同。