[發明專利]一種基于互信息矩陣投影的多變量過程監控方法

有效

• 申請號: 202110297592.8
• 申請日: 2021-03-19
• 公開（公告）號: CN112947649B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 呂菲亞;余書劍;張秉格
• 申請（專利權）人: 安陽師范學院
• 主分類號: G05D27/02
• 分類號: G05D27/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發明提供了一種基于互信息矩陣投影的多變量過程監控方法，屬于工業過程監控領域。本發明所提出的技術利用基于矩陣Rényi的α?熵函數估計變量之間的互信息值，這一互信息算子是在(正則化的)對稱正定矩陣的特征譜上進行估計，彌補了流程工業中難以實時計算概率密度函數的不足；其次基于互信息矩陣的投影進行統計分析，不僅可以刻畫過程數據中隱含的非線性特征，而且能夠解析故障發生的誘因變量。此外，基于信息論的故障診斷技術不受工業過程中樣本標簽不足、數據不均衡等因素的影響。因此，本發明對于解決實際工業過程監控問題具有重要的現實意義。

技術領域

本發明屬于工業過程控制領域，利用基于矩陣Rényi的α-熵函數估計傳感器采集變量之間的互信息值，彌補了流程工業中難以實時計算概率密度函數的不足。基于互信息矩陣投影的多變量過程監控方法不僅可以刻畫過程數據中隱含的非線性特征，而且能夠解析故障發生的根變量，同時不受工業過程中樣本標簽不足、數據不均衡等因素的影響，對于解決實際工業過程監控問題具有重要的現實意義。

背景技術

數據驅動技術是計量學中用于識別異常過程的有效工具，多變量統計過程監控是過程控制領域過去幾十年研究中最活躍的領域之一，并在化工過程、微電子制造和制藥工藝等工業領域中取得了巨大成功。

考慮到工業過程的動態特性，在線監測數據不僅包含了生產運行過程的累積關聯性，而且更能反映系統當前狀態的最新變化，基于滑動窗的方法通過添加時滯變量構建時間拓撲矩陣，捕獲連續過程的(局部)相關性特征。為了進一步提高基于滑動窗方法的性能，如何利用過程變量的高階統計量變得至關重要。基于主元分析的故障檢測方法均采用協方差矩陣的轉換元提取量測(檢測)數據中的線性相關性，如何利用工業過程數據中隱含的非線性特性成為故障檢測中的關鍵問題。

近年來，信息論由于其數理統計方面的優勢，已成功應用于各種機器學習，計算機視覺和信號處理任務中，在過程監控的應用中也引發了新的研究興趣。盡管已有一些研究將信息論應用于故障檢測，但多數是利用互信息計算選取變量之間的主要驅動量，基于變量選擇進行監測數據降維。關于如何將信息論技術應用于流程工業過程控制，仍然是一個有待解決的技術問題。特別地，連續過程的實時概率密度估計是數據驅動領域一個難點，對于可能同時包含離散變量和連續變量的復雜流程工業，有待進一步研究基于信息論的故障檢測的技術，以提高診斷系統的實時性和精確性。本發明正是針對上述問題提出的更適用于流程工業過程的過程監控技術。

發明內容

本發明的目的在于克服現有流程工業中基于信息論的故障診斷技術的不足，提出了一種基于互信息矩陣投影的多變量過程監控技術：構造互信息矩陣并對其投影進行統計分析以監控工業過程的動態和非平穩性(可能是非線性的)；基于矩陣Rényi的α-熵函數的互信息估計在(正則化的)對稱正定矩陣的特征譜上計算，彌補了流程工業中難以實時計算概率密度函數的不足。

為了達到上述目的，本發明的技術方案為：

一種基于互信息矩陣投影的多變量過程監控方法，包括離線建模環節和在線監控環節，

所述的離線建模環節包括：

1.1)數據預處理：對于在工業過程中已經采集到的原始流程數據構建訓練集進行標準化預處理得到基于構建監測時刻i的時間拓撲矩陣

其中，w為時間窗口的長度；x_j(1≤j≤m)表示在一個時間窗口內由w個流程樣本數據所構建的拓撲矩陣X_train的第j列變量；

1.2)構建工業監測時刻i的變量互信息矩陣并進行特征譜分解得到特征向量矩陣和特征值對角矩陣

1.3)對樣本在互信息矩陣的特征空間進行投影以提取轉換元矩陣并計算其各階統計量μ_k、ν_k、ζ_k和γ_k以構建檢測指標