[發明專利]一種工業過程關鍵指標的故障預警方法

有效

• 申請號: 202011594430.2
• 申請日: 2020-12-29
• 公開（公告）號: CN112631258B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 陳夕松;王鶴瑩;梅彬
• 申請（專利權）人: 南京富島信息工程有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;夏平

本發明公開了一種工業過程關鍵指標的故障預警方法，依據歷史數據構造訓練集，采用工業過程中的關鍵指標，對訓練集進行正交處理，以此離線建立慢特征分析模型，實時獲取工業過程中的樣本，構造待測樣本，運用離線模型計算統計量，并對統計量濾波后判斷是否預警。該方法著眼于使用工業過程中的關鍵指標，如產品質量指標，剔除監控變量空間中與關鍵指標無關的成分，能夠在關鍵指標發生故障時準確預警，誤報率低，有益于企業穩定生產，提高產品質量。

技術領域

本發明涉及工業過程中的故障檢測，具體為一種面向工業過程中關鍵指標進行監測變量的成分提取，從而減少非必要報警和降低誤報率的故障預警方法。

背景技術

海量工業歷史數據的積累，使得基于數據驅動的過程監控方法成為當前故障預警的重要手段。目前，主成分分析、偏最小二乘等方法在當前故障監控中應用很多。這類方法往往通過監測方差最大、變化最快的成分進行故障預警。由于工業過程中往往存在較多的擾動和噪聲，變化最快的部分也有可能為擾動和噪聲，對這些成分進行監控導致誤報率較高。近年來，慢特征分析方法開始在工業過程故障監控領域得到應用。然而，慢特征分析方法依然存在誤報率較高、無關緊要的報警過多等問題。

工業生產過程中有許多監控變量，有些變量對生產監控十分關鍵，有些則不盡然。關鍵指標一般包括產品的性質指標以及工藝過程中的關鍵溫度、壓力等。為了保持這些關鍵指標的穩定，常規的數據驅動方法往往通過機理分析選擇一組與關鍵指標關聯的變量用于故障監控。而實際的工業生產過程中，往往會有多個閉環控制回路，閉環反饋調節使得部分擾動的影響可以得到快速抑制，而最終的關鍵指標不會受到擾動的影響。如果將這些中間變量的變化納入預警分析，極易產生大量非必要的報警。最為重要的是，即使是具有豐富工藝機理知識的專家，選擇出的變量中仍然可能包含較多與關鍵指標并不相關的成分，從而對預警產生不利影響。

發明內容

針對上述問題，本發明公開一種工業過程關鍵指標的故障預警方法，通過剔除與關鍵指標無關的成分，保留與之相關的成分，結合慢特征分析方法挖掘過程中變化最緩慢卻又最能反應系統變化的本質特征，建立在線故障預警系統，并對監控結果進行濾波，在發生與關鍵指標相關的故障時及時預警并降低誤報率。

本發明分為建立故障預警模型和在線監測兩大步驟，其中建立模型的過程包含以下步驟：

(1)根據工藝機理，選取與關鍵指標變量y關聯的m個變量x₁,x₂,…,x_m作為監測變量，并從這些監測變量中選取n個連續時刻的正常樣本及其對應的y值；

(2)以m個變量每一時刻及其過去k個時刻的樣本構造訓練集U₀：

并按照下式對U₀進行標準化預處理得到U₁：

u_ij^*＝(u_ij-μ_j)/s_j

其中，u_ij表示矩陣U₀的第i行第j列元素，μ_j表示U₀第j列的均值，s_j表示U₀第j列的標準差，u_ij^*表示預處理后矩陣U₁的第i行第j列元素；同樣以關鍵指標變量每一時刻及其過去k個時刻的樣本構造矩陣Y₀并進行預處理得到Y；

(3)采用主成分分析計算U₁的第一主成分得分向量t₁并將t₁對Y做正交處理，剔除該主成分中與關鍵指標無關的部分，得到正交于Y的得分向量t_new：