[發明專利]一種基于復雜工業化工過程的V-PCA故障診斷方法

有效

• 申請號: 202010813193.8
• 申請日: 2020-08-13
• 公開（公告）號: CN111983994B
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 鮑中新;文成林;林志鵬
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G05B23/02
• 分類號: G05B23/02;G06F30/20;G06F17/16;G06F17/18
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明公開了一種基于復雜工業化工過程的V?PCA故障診斷方法。由于傳統主元分析(PCA)特征提取不準確，在用于故障診斷時常存在誤報率和漏報率較高的現象。為此，本發明采用一種新的數據預處理方法以改進PCA在故障診斷中的性能指標。相較于傳統PCA方法的歐氏距離預處理方法，并不能夠精確地反應數據之間的相關性。因此，提出了一種基于變化率預處理方法，有效的改善了PCA在故障診斷中的誤報率和漏報率較高的情況。最后，通過仿真例子驗證了傳統PCA方法、基于變化率預處理的PCA方法。實驗仿真結果表明，本發明方法具有較好的檢測性能。

技術領域

本發明屬于工業化工故障診斷領域，具體涉及一種基于復雜工業化工過程的V-PCA(基于變化率預處理的主元分析)故障診斷方法。

背景技術

復雜工業化工過程中，設備和系統的故障會對生產安全、產品質量或效率產生不良影響，嚴重時甚至造成人身傷亡或對環境的污染。隨著設備的集成度提高，工業環境日益復雜以及對產品質量要求的不斷提升，人們對設備的安全性和可靠性要求也越來越高，因此故障診斷技術越來越受到重視。

故障診斷的核心是診斷方法，現有的故障診斷方法主要可以分為兩種：基于解析模型的故障診斷方法和基于數據驅動的故障診斷方法。基于數據驅動的方法是在對象難以建立精確的數學模型的情況下，通過過程數據從測量空間變換到特征空間后再作分析，從而實現對系統的故障診斷，而多元統計方法就是這種方法的代表，其中最常用的方法有主元分析(PCA)方法。雖然PCA方法在故障檢測與故障診斷領域應用廣泛，但是傳統的PCA數據預處理通常采用標準化使數據無量綱化，忽視了量綱對變量之間相關性的影響，從而會導致標準化后信息的缺失。而在實際系統中，正是由于各分變量量綱的不同，才使得一些系統中起重要作用的變量，因本身絕對值較小而不能檢測出絕對值更小的故障。這些重要變量的微小故障又對系統運行的穩定性和安全性起著關鍵的作用，如果不能將這些故障排查出來，就會對系統的正常運行產生影響，甚至會造成事故。

發明內容

為了克服現有技術的缺點和不足，本發明設計一種基于復雜工業化工過程的V-PCA的方法?；赩-PCA的故障診斷方法從樣本的相對變化對過程系統檢測，相比傳統PCA方法有更好的效果。

為了達到上述目的，本發明通過以下技術方案實現：數據預處理階段，建立V-PCA模型階段，在線故障檢測和故障診斷，仿真測試階段。

其中數據預處理階段包括以下步驟：

X1步，將采集到的原始的復雜的工業化工TE數據集構造成多維變量系統矩陣X_n∈R^m×n,X_n如下所示：

其中，列向量x_i(j)＝[x₁(j),x₂(j),...x_m(j)]^T,i＝1,2,...,m,j＝1,2,...,n代表系統變量，對數據矩陣進行預處理，X_n的各變量樣本的均值向量為b_n

X2步，計算各變量樣本的均值向量b_n

其中，l_m＝[1,1,...1]∈R^1×m，將原始數據經過變換得到矩陣X^*。

其中變換方法如下

該式的物理意義，以各個變量的樣本均值為中心，變化率表示原始數據偏離中心的程度。那么，通過對正常樣本數據的預處理后所得到的變化率來檢驗實時采集的測試樣本數據是否落在正常范圍內，如果投影在正常區域外，即為發生故障。

其中建立V-PCA模型階段包括以下步驟：