[發(fā)明專利]基于時(shí)間約束的核稀疏表示的多模態(tài)過程監(jiān)控方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011508456.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112541554A
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 王楊;鄭英;蘇厚勝;王兆靜;萬一鳴
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 李智

本發(fā)明公開了一種基于時(shí)間約束的核稀疏表示的多模態(tài)過程監(jiān)控方法及系統(tǒng)，屬于多模態(tài)過程監(jiān)控領(lǐng)域，所述方法包括：根據(jù)待識別模態(tài)的訓(xùn)練樣本集，選取窗口大小，計(jì)算時(shí)間加權(quán)矩陣；求解訓(xùn)練樣本集的稀疏系數(shù)矩陣；對稀疏系數(shù)矩陣進(jìn)行模態(tài)劃分，得到訓(xùn)練樣本集的模態(tài)辨識結(jié)果；從每個(gè)模態(tài)中選擇具有代表性的樣本，組成新的字典矩陣；計(jì)算在線新樣本的稀疏系數(shù)向量，判斷在線新樣本所屬模態(tài)；判斷在線新樣本是否為故障。本發(fā)明考慮了工業(yè)過程變量之間的時(shí)間相關(guān)性，得到更為準(zhǔn)確的模態(tài)辨識結(jié)果；選取每個(gè)模態(tài)具有代表性的樣本，得到更為準(zhǔn)確的故障檢測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于多模態(tài)過程監(jiān)控領(lǐng)域，更具體地，涉及一種基于時(shí)間約束的核稀疏表示的多模態(tài)過程監(jiān)控方法及系統(tǒng)。

背景技術(shù)

在現(xiàn)代工業(yè)過程中，生產(chǎn)規(guī)模日益增大，過程中的復(fù)雜性和不確定性也隨之大大增加。對于這樣高度復(fù)雜的工業(yè)過程，微小的故障就有可能導(dǎo)致整個(gè)系統(tǒng)的大規(guī)模癱瘓，甚至造成慘重的爆炸爆燃事故。因此，為了提高生成過程的安全性、穩(wěn)定性和可靠性，過程監(jiān)控十分必要。而在實(shí)際生成過程中，多模態(tài)特性普遍存在。不同于單模態(tài)過程，多模態(tài)過程具有多個(gè)穩(wěn)定工作點(diǎn)，不同模態(tài)之間變量的統(tǒng)計(jì)特性具有較大差異。而在多模態(tài)過程中，由于工業(yè)系統(tǒng)的復(fù)雜機(jī)理，數(shù)據(jù)往往具有非線性分布，呈現(xiàn)一種非線性特性。如何對非線性多模態(tài)過程進(jìn)行監(jiān)控具有重大生產(chǎn)意義。

常用的多變量統(tǒng)計(jì)過程監(jiān)控方法不僅無需過程先驗(yàn)知識，而且無需過程精確的數(shù)學(xué)模型，常用于過程建模，故障檢測等。但傳統(tǒng)的諸如主成分分析(PCA)和偏最小二乘法(PLS)方法，都假設(shè)過程有單個(gè)操作模態(tài)且無法用于非線性分布過程。

針對非線性多模態(tài)過程監(jiān)控問題，許多學(xué)者提出了改進(jìn)的PCA/PLS方法。整體建模的方法雖然模型簡單，但無法準(zhǔn)確地對每個(gè)模態(tài)進(jìn)行刻畫，缺乏模態(tài)的局部信息。單個(gè)建模的方法對每個(gè)模態(tài)分別建立相應(yīng)的模型，以實(shí)現(xiàn)更為準(zhǔn)確的過程監(jiān)控。模態(tài)辨識是單個(gè)建模方法的基礎(chǔ)，常見的模態(tài)辨識方法諸如聚類算法，無法對在線樣本進(jìn)行模態(tài)辨識。且故障檢測方法需要依賴于其他算法，雖然對離線訓(xùn)練樣本可以實(shí)現(xiàn)較好的模態(tài)辨識結(jié)果，但在線應(yīng)用受到限制。

由此可見，現(xiàn)有技術(shù)存在無法在線模態(tài)辨識，且無法將在線模態(tài)辨識和故障檢測相互結(jié)合起來的技術(shù)問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種基于時(shí)間約束的核稀疏表示的多模態(tài)過程監(jiān)控方法及系統(tǒng)，由此解決現(xiàn)有技術(shù)存在無法在線模態(tài)辨識，且無法將在線模態(tài)辨識和故障檢測相互結(jié)合起來的技術(shù)問題。

為實(shí)現(xiàn)上述目的，一方面，本發(fā)明提供了一種基于時(shí)間約束的核稀疏表示的多模態(tài)過程監(jiān)控方法，包括：

(1)采集不同模態(tài)的正常數(shù)據(jù)，構(gòu)成訓(xùn)練樣本集Y；

(2)根據(jù)所述訓(xùn)練樣本集Y，選取窗口大小l，計(jì)算時(shí)間加權(quán)矩陣W；

(3)基于所述時(shí)間加權(quán)矩陣W，求解所述訓(xùn)練樣本集Y的稀疏系數(shù)矩陣C；

(4)對所述稀疏系數(shù)矩陣C進(jìn)行模態(tài)劃分，得到所述訓(xùn)練樣本集Y的模態(tài)辨識結(jié)果；

(5)基于所述模態(tài)辨識結(jié)果，從每個(gè)模態(tài)中選擇代表樣本，組成新的字典矩陣，所述代表樣本為所述訓(xùn)練樣本集Y中用于核稀疏表示次數(shù)較多的樣本；

(6)計(jì)算在線新樣本y_new在新的字典矩陣下的稀疏系數(shù)向量c_new；

(7)基于所述稀疏系數(shù)向量c_new，計(jì)算在線新樣本y_new屬于第i個(gè)模態(tài)的后驗(yàn)概率post_pⁱ，并判斷在線新樣本y_new所屬的模態(tài)；

(8)計(jì)算在線新樣本y_new的監(jiān)控統(tǒng)計(jì)量值，從而判斷在線新樣本y_new是否為故障。

進(jìn)一步地，所述步驟(2)中，