[發明專利]一種基于實時判別型動態特征提取的PTA過程異常監測方法

有效

• 申請號: 202110299779.1
• 申請日: 2021-03-13
• 公開（公告）號: CN113033649B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 趙煒濤;陳勇旗;陳楊
• 申請（專利權）人: 寧波大學科學技術學院
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F17/16;G05B23/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于實時判別型動態特征提取的PTA過程異常監測方法，其特征在于，具體包括以下步驟：

步驟(1)：在PTA生產過程正常運行狀態下，采集得到n個樣本數據向量x₁，x₂，…，x_n，每個樣本數據向量具體包括m個采樣數據，依次分別是：進料流量，進料溫度，分餾塔頂部回流量，冷凝器冷卻水流量，再沸器蒸汽流量，分餾塔頂部氣體流量，分餾塔底部的產品流量，分餾塔中各層塔板的溫度；其中，第i個樣本數據向量x_i∈R^m×1，R^m×1表示m×1維的實數向量，R表示實數集，i∈{1，2，…，n}；

步驟(2)：利用x₁，x₂，…，x_n的均值向量μ和標準差向量δ，分別對x₁，x₂，…，x_n實施標準化處理，對應得到n個數據向量

步驟(3)：設置時序階數為D后，按照如下所示公式組建增廣矩陣

其中，R^N×M表示N×M維的實數矩陣，N＝n-D，M＝m(D+1)，上標號T表示矩陣或向量的轉置；

步驟(4)：按照如下所示步驟(4.1)至步驟(4.4)計算個監測指標

步驟(4.1)：初始化i＝1；

步驟(4.2)：按照如下所示公式組建堆疊矩陣Y_i∈R^(D+1)×M：

步驟(4.3)：設置Y＝Y_i后，實施實時判別型動態特征提取，得到左投影向量u∈R^(D+1)×1和右投影向量v∈R^M×1；

步驟(4.4)：根據公式計算第i個監測指標后，判斷是否滿足條件若是，則設置i＝i+1后返回步驟(4.2)；若否，則得到

步驟(5)：將中的最大值記錄為后，再根據公式計算得到控制上限其中，γ表示放大系數；

步驟(6)：在線采集最新采樣時刻的樣本數據向量x_t∈R^m×1，并對其實施與步驟(2)中相同的標準化處理，從而得到數據向量其中，下標號t表示最新采樣時刻；

步驟(7)：根據如下所示公式組建堆疊矩陣Y_t∈R^(D+1)×M：

其中，分別表示樣本數據向量x_t-1，x_t-2，…，x_t-2D經與步驟(2)中相同的標準化處理后得到的數據向量；

步驟(8)：設置Y＝Y_t后，實施實時判別型動態特征提取，從而得到左投影向量u∈R^(D+1)×1和右投影向量v∈R^M×1；

步驟(9)：根據公式計算監測指標后，判斷是否滿足條件若是，則當前采樣時刻PTA過程正常運行，返回步驟(6)繼續利用最新采樣時刻的樣本數據向量實施異常監測；若否，則執行步驟(10)；

步驟(10)：返回步驟(6)繼續利用最新采樣時刻的樣本數據向量實施異常監測，若連續6個最新采樣時刻的監測指標皆滿足條件則觸發故障警報。

2.根據權利要求1所述的一種基于實時判別型動態特征提取的PTA過程異常監測方法，其特征在于，所述步驟(4.3)與步驟(8)中實施實時判別型動態特征提取的具體實施過程如下所示：

步驟(A)：隨機初始化右投影向量v為任意一個M×1維的實數向量；

步驟(B)：求解特征值問題Yvv^TY^Tp＝ηp中，最大特征值η所對應的特征向量p，再根據公式u＝p/||p||計算得到左投影向量u；其中，表示計算特征向量p的長度；

步驟(C)：求解特征值問題中，最大特征值λ所對應的特征向量q，再根據公式計算得到右投影向量v；

步驟(D)：判斷v是否收斂；若否，則返回步驟(B)；若是，則得到左投影向量u和右投影向量v。