[發明專利]多變量工業過程故障分類方法

有效

• 申請號: 202110534721.0
• 申請日: 2021-05-17
• 公開（公告）號: CN113159225B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 鄧曉剛;王曉慧;崔文志;王延江;曹玉蘋;王平
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 徐艷艷

1.一種多變量工業過程故障分類方法，其特征在于，其具體步驟為：

S1、采集工業過程正常操作工況數據建立正常工況數據集X₀，標準化處理后得到正常工況數據集

S2、采用正常工況數據集進行變量相關性分析，計算過程變量之間的相關性因子RF(v_i，v_j)，其中，v_i與v_j表示過程數據的任意兩個變量；

S3、根據相關性因子RF(v_i，v_j)構建無向有權圖G，對無向有權圖G進行廣度優先遍歷，并根據變量之間的相關性進行分組，利用分組構建變量自組織函數X₀′＝SA(X₀)，其中，X₀為原始過程數據，X₀′為變量順序重新組織后的過程數據；構建變量自組織函數的具體步驟為：

S31、構建各變量之間的相關性矩陣RF，表示為：

式中，RF_ij為過程變量v_i與v_j之間的相關性因子RF(v_i，v_j)，即兩變量之間的相關程度，i＝1，2，...，m，j＝1，2，...，m，m為過程變量個數；以所有的過程變量索引為頂點，遍歷相關性矩陣RF構建無向有權圖G，其中，僅RF_ij≥γ時表示無向有權圖G中頂點i和j鄰接，即無向有權圖G中頂點i和j之間有一條邊，權重G_ij＝RF_ij，γ為設定閾值；

S32、令k＝1，選擇無向有權圖G中未分組變量中相關性最強的兩個過程變量v_i與v_j的索引構成集合S_k；

S33、廣度優先遍歷過程變量v_i與v_j的鄰接變量，計算每一個鄰接變量v_adj與集合S_k中變量的平均相關性因子其中n_k表示集合S_k中變量索引的個數，表示集合S_k中的第l個變量；

S34、若則鄰接變量v_adj的索引歸入集合S_k；反之，鄰接變量v_adj等待下一輪遍歷；

S35、完成一輪遍歷，k＝k+1；

S36、重復步驟S32-S35，直到遍歷完無向有權圖G中所有變量；

S37、將無向有權圖G中未分組變量與不在無向有權圖G中的變量的索引組合記為S，若通過遍歷無向有權圖G獲得B個集合，則新的變量排列可以表示為O(X₀)＝[S₁，S₂，…，S_B，S]，進一步根據O(X₀)構造變量自組織函數X₀′＝SA(X₀)，其中，X₀′＝O(X₀)；

S4、采集C類故障工況數據集{X₁，X₂，…，X_C}，并與正常工況數據集X₀構成訓練數據集X_train＝{X₀，X₁，…，X_C}，標準化處理后得到訓練數據集

S5、以訓練數據集為輸入，利用卷積神經網絡建模方法構建VSACNN故障診斷模型，VSACNN故障診斷模型表示為：其中，x表示輸入樣本，表示模型輸出，即模型針對輸入樣本x的故障預測類別，F(·)為一個多層的卷積神經網絡函數；

S6、采集測試數據集X_test，標準化后得到測試數據集

S7、利用變量自組織函數X₀′＝SA(X₀)對測試數據集進行過程變量重排列操作得到測試數據集

S8、將測試數據集輸入至VSACNN故障診斷模型，根據VSACNN故障診斷模型輸出確定故障類型。