[發明專利]基于時序擴展的正交鄰域保持嵌入模型的構建與應用

有效

• 申請號: 202010969184.8
• 申請日: 2020-09-15
• 公開（公告）號: CN112149054B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 王妍;凌丹;韓帥帥;王延峰;顧曉光;孫軍偉;王英聰;朱傳遷
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06F17/18;G06F30/20
• 代理公司: 鄭州盈派知識產權代理事務所(普通合伙) 41196
• 代理人: 張曉輝;樊羿

本發明公開了基于時序擴展的正交鄰域保持嵌入(TONPE)模型的構建與應用,包括：獲取CSTR過程中m個物理量監測點監測的物理量的n個歷史正常樣本，應用TONPE模型的故障監控方法計算每個正常歷史樣本xsubgt;i/subgt;(i＝1,...,n)∈Rsupgt;m/supgt;的統計量Tsubgt;i/subgt;supgt;2/supgt;(i＝1,2,…,n)和統計量SPEsubgt;i/subgt;(i＝1,2,…n)，并應用核密度估計函數計算Tsubgt;i/subgt;supgt;2/supgt;(i＝1,2,…,n)的控制限和統計量SPEsubgt;i/subgt;(i＝1,2,…n)的控制限SPEsubgt;lim/subgt;；在線采集CSTR過程中m個物理量監測點的物理量數據，計算測試數據xsubgt;newi/subgt;(i＝1,...,n1)∈Rsupgt;m/supgt;的監測指標和SPEsubgt;newi/subgt;(i＝1,2,…,n1)，將統計量SPEsubgt;newi/subgt;(i＝1,2,…,n1)和控制限SPEsubgt;lim/subgt;分別比較，大于控制限的部分即認為此樣本點有故障發生。該方法考慮了CSTR過程數據的動態特性，充分提取了理化數據的空間結構信息和時間結構信息，提高了故障監測的準確率。

技術領域

本發明屬于化工生產過程的故障監測技術領域，具體涉及一種基于時序擴展的正交鄰域保持嵌入模型的構建與應用，可以提高化工過程的故障監測準確率。

背景技術

連續攪拌反應釜(Continuous?Stirred?Tank?Reactor,CSTR)是在化工、發酵、石油生產等工業生產過程中常用的一類化學反應器。由于設備的老化和外界環境因素的影響，CSTR過程會出現一些故障，從而導致工業生產安全事故的發生。近年來，人們越來越關注工業生產安全問題，突出了過程故障監控的重要性。多元統計過程監控(MSPM)方法能夠把高維數據轉換為低維數據，在低維數據中獲得有效特征信息，常用于工業過程的故障監控。

MSPM主要用于處理高斯性、線性的數據，但是在實際生產、生活中存在著大量非線性理化數據。為了解決非線性理化數據的降維問題，有學者提出了鄰域保持嵌入(Neighborhood?Preserving?Embedding,NPE)算法，該算法很好的保持了理化數據集的流形結構信息。Liu?X.M.等人在NPE的基礎上加入正交約束條件，提出了正交鄰域保持嵌入(Orthogonal?Neighborhood?Preserving?Em?bedding,ONPE)算法(Liu?X?M,Yin?J?W,FengZ?L,et?al.Orthogonal?Neig?hborhood?Preserving?Embedding?for?Face?Recognition[C]//Proceedings?of?2007IEEE?International?Conference?on?Image,ICIP?2007.NewYork,2007:133-136)，該算法大大改善了NPE算法中抑制有用信息的問題，在圖形圖像處理和故障監測領域的研究中顯示了很大的優越性，但是往往會忽略理化數據的動態性和多模態的典型特征。

發明內容

本發明要解決的技術問題基于現有的故障監控方法未考慮各類理化參數及數據的動態性、自相關特性，忽略了理化參數或數據的隨時間變化的特征信息，往往會造成CSTR過程故障檢測率不高的情況，提供一種基于時序擴展的正交鄰域保持嵌入(TemporalExtension?Orthogonal?Neighborhood?Preserving?embedding，TONPE)的CSTR過程監控方法。

為解決上述技術問題，本發明人基于本領域的長期實踐研究，基于ONPE方法建立TONPE模型，并將其應用到CSTR過程故障監控中，以兼顧過程理化參數或數據的動態性能。

本發明所采用的具體術方案如下：

設計一種基于時序擴展的正交鄰域保持嵌入模型的構建方法，包括以下步驟：