[發(fā)明專利]一種基于樹結構稀疏的過程監(jiān)測和故障診斷方法

在審

• 申請?zhí)枺?/td>: 202010978981.2
• 申請日: 2020-09-17
• 公開（公告）號: CN112051839A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設計）人: 曾九孫;陳薇;丁克勤;蔡晉輝;姚燕
• 申請（專利權）人: 中國計量大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種基于樹結構稀疏的過程監(jiān)測和故障診斷方法，其特征在于：方法包括以下步驟：

步驟1，通過傳感器采集正常工況下流程工業(yè)生產(chǎn)過程中的過程變量數(shù)據(jù)作為訓練數(shù)據(jù)，對訓練數(shù)據(jù)利用主成分分析提取訓練數(shù)據(jù)中的主成分和過程監(jiān)測統(tǒng)計量控制限；通過傳感器采集待測工況下流程工業(yè)生產(chǎn)過程中的數(shù)據(jù)作為測試數(shù)據(jù)，利用訓練數(shù)據(jù)提取的主成分計算測試數(shù)據(jù)的過程監(jiān)測統(tǒng)計量；將測試數(shù)據(jù)的過程監(jiān)測統(tǒng)計量與訓練數(shù)據(jù)的過程監(jiān)測統(tǒng)計量控制限作對比，當測試數(shù)據(jù)的過程監(jiān)測統(tǒng)計量超過訓練數(shù)據(jù)的過程監(jiān)測統(tǒng)計量控制限，則認為監(jiān)測到故障，否則認為未監(jiān)測到故障；

步驟2，若監(jiān)測到故障，量化每個過程變量對故障的影響，建立處理故障診斷問題的故障隔離模型，以消除測試數(shù)據(jù)中故障帶來的影響，使測試數(shù)據(jù)中存在故障的過程變量達到正常狀態(tài)；

步驟3，將訓練數(shù)據(jù)轉換為樹結構，樹結構中具有葉節(jié)點、中間節(jié)點和根節(jié)點，其中每個葉節(jié)點對應包含一個過程變量，根節(jié)點對應包含所有過程變量，葉節(jié)點和根節(jié)點之間的其他節(jié)點作為中間節(jié)點，每個中間節(jié)點對應包含自身下的所有子節(jié)點的過程變量；再設置樹結構中每個節(jié)點的權重，利用步驟2中的故障隔離模型建立基于樹結構稀疏的故障診斷模型；

步驟4，采用交替乘子法(ADMM)來求解步驟3中提出的基于樹結構稀疏的故障診斷模型，獲得最優(yōu)的估計向量作為最優(yōu)故障幅值，利用最優(yōu)故障幅值進行故障的過程變量的定位與分離，完成流程工業(yè)生產(chǎn)過程的監(jiān)測和故障診斷。

2.如權利要求1所述的一種基于樹結構稀疏的過程監(jiān)測和故障診斷方法，其特征在于：所述的步驟1中，具體根據(jù)主成分分析進行過程監(jiān)測：

步驟1.1：將正常工況下的訓練數(shù)據(jù)進行歸一化處理，得到零均值和單位方差的標準數(shù)據(jù)集；

步驟1.2：利用步驟1.1中的標準數(shù)據(jù)集建立主成分分析(PCA)模型，以保留標準數(shù)據(jù)集中超過85％的方差且在顯著性水平α的條件下提取標準數(shù)據(jù)集中的k個主成分(PCs)；

步驟1.3：對于測試數(shù)據(jù)中的每一個數(shù)據(jù)樣本經(jīng)過歸一化處理后獲得歸一化后的數(shù)據(jù)樣本x；

再利用標準數(shù)據(jù)集建立的主成分分析模型計算歸一化后的數(shù)據(jù)樣本x的T²統(tǒng)計量和SPE統(tǒng)計量，其中T²統(tǒng)計量表示數(shù)據(jù)樣本x在由k個主成分組成的主元空間中的投影變化，而SPE統(tǒng)計量表示數(shù)據(jù)樣本x在其他成分組成的殘差空間中的投影變化，兩個統(tǒng)計量表示為：

R＝x^TMx

式中，R表示T²或者SPE；M是一個對稱的正半定矩陣。

3.如權利要求1所述的一種基于樹結構稀疏的過程監(jiān)測和故障診斷方法，其特征在于：所述的步驟2中，對于測試數(shù)據(jù)的每一個數(shù)據(jù)樣本x監(jiān)測判斷是否發(fā)生故障，若監(jiān)測到故障，則將數(shù)據(jù)樣本x分解為沒有故障的數(shù)據(jù)樣本x^*和一個故障向量f的和，建立用于處理故障診斷問題的故障隔離模型：

式中，是故障隔離模型中各個過程變量對故障影響的估計向量，f表示故障向量，T表示矩陣轉置。

4.如權利要求3所述的一種基于樹結構稀疏的過程監(jiān)測和故障診斷方法，其特征在于：所述步驟3中，包括如下步驟：

步驟3.1：流程工業(yè)生產(chǎn)過程中的過程變量之間的相互關系表示為一棵樹結構T，樹結構T的所有節(jié)點的個數(shù)為N，將樹結構T的所有節(jié)點表示為v₁,v₂,…,v_N。

步驟3.2：將樹結構應用在處理故障隔離模型中，具體為：

先將步驟2中的故障隔離模型加入懲罰項改為：

式中，表示各個過程變量對故障影響的估計向量，W(v_root)表示根據(jù)樹結構遞歸后在根節(jié)點處累積的懲罰項；

以樹結構為基礎，從葉節(jié)點開始，在每一個節(jié)點v_j處，其中j表示節(jié)點的序號，用表示節(jié)點v_j中包含的過程變量，計算在節(jié)點v_j處累積的懲罰W(v_j)：

式中，||.||₂表示l₂范數(shù)；是f中與中的過程變量相對應的一組系數(shù)；節(jié)點c表示節(jié)點v_j的子節(jié)點，v_j的子節(jié)點表示樹T中與節(jié)點v_j相連接的下一層的節(jié)點；表示節(jié)點v_j處的單獨選擇子節(jié)點權重，而表示節(jié)點v_j處的聯(lián)合選擇子節(jié)點權重，且

從葉節(jié)點開始經(jīng)過遞歸遍歷到根節(jié)點，獲得每個節(jié)點的懲罰W(v_j)，當節(jié)點v_j表示根節(jié)點v_root時，獲得在根節(jié)點處累積的懲罰項W(v_root)的展開式，最終得到基于樹結構稀疏的故障診斷模型：

式中，λ≥0是正則化參數(shù)；表示與節(jié)點v_j相關聯(lián)的一組過程變量，是f中與中的過程變量相對應的一組系數(shù)；表示節(jié)點v_j處的權重；a表示節(jié)點v_j的祖先節(jié)點，節(jié)點v_j的祖先節(jié)點表示根據(jù)樹結構從節(jié)點v_j往上到達根節(jié)點所經(jīng)過的所有節(jié)點；表示基于樹結構稀疏的故障診斷模型中對每個過程變量的最優(yōu)故障幅值的估計向量。