[發(fā)明專利]知識(shí)與數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模工業(yè)系統(tǒng)分布式狀態(tài)監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110565642.6
• 申請(qǐng)日: 2021-05-24
• 公開（公告）號(hào): CN113110402B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計(jì)）人: 宋春躍;吳煒強(qiáng);徐祖華
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

本發(fā)明公開了一種知識(shí)與數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模工業(yè)系統(tǒng)分布式狀態(tài)監(jiān)測(cè)方法。首先，基于系統(tǒng)拓?fù)渲R(shí)建立大規(guī)模工業(yè)系統(tǒng)的有向圖模型，并根據(jù)復(fù)雜網(wǎng)絡(luò)的社區(qū)分團(tuán)方法將有向圖模型分解成多個(gè)獨(dú)立的子系統(tǒng)。其次，考慮系統(tǒng)的動(dòng)態(tài)性，利用各子系統(tǒng)之間的通信信息，在每個(gè)子系統(tǒng)中分別建立典型變量分析模型進(jìn)行故障檢測(cè)，然后將所有子系統(tǒng)的檢測(cè)結(jié)果通過(guò)貝葉斯推理融合成最終的全局檢測(cè)結(jié)果。最后，針對(duì)檢測(cè)出的故障，利用分布式貢獻(xiàn)圖分析方法確定故障負(fù)責(zé)變量，并通過(guò)有向圖推理法進(jìn)行故障溯源，定位故障發(fā)生的根源。本發(fā)明結(jié)合系統(tǒng)知識(shí)與數(shù)據(jù)，實(shí)現(xiàn)了對(duì)大規(guī)模工業(yè)系統(tǒng)的分布式狀態(tài)監(jiān)測(cè)，提高了故障檢測(cè)的準(zhǔn)確度，驗(yàn)證了故障溯源的可行性。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)系統(tǒng)故障診斷技術(shù)領(lǐng)域，具體涉及了一種知識(shí)與數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模工業(yè)系統(tǒng)分布式狀態(tài)監(jiān)測(cè)方法。

背景技術(shù)

以智能制造為主導(dǎo)方向的工業(yè)自動(dòng)化發(fā)展迅速，現(xiàn)代工業(yè)系統(tǒng)逐漸形成以大型集散控制系統(tǒng)為核心，配備了大量直接用于測(cè)量的傳感器，間接檢測(cè)的軟測(cè)量設(shè)備和結(jié)構(gòu)復(fù)雜的控制回路，不斷朝著復(fù)雜化、信息化和智能化的方向發(fā)展。在此背景下，大規(guī)模工業(yè)系統(tǒng)的數(shù)量逐年增加，逐漸成為了現(xiàn)代工業(yè)系統(tǒng)中的主角，也受到了各界廣泛的關(guān)注。

工業(yè)系統(tǒng)的生產(chǎn)安全問題一直是企業(yè)生產(chǎn)中關(guān)注的重點(diǎn)，故障診斷技術(shù)也在過(guò)去幾十年中得到了迅速地發(fā)展，為企業(yè)安全生產(chǎn)提供了保障。但是對(duì)于大規(guī)模系統(tǒng)來(lái)說(shuō)，其具有結(jié)構(gòu)復(fù)雜建模難度大，工作系統(tǒng)中的變量眾多且變量間關(guān)系復(fù)雜，數(shù)據(jù)容量大、類型多和采樣率多等特點(diǎn)。傳統(tǒng)工業(yè)系統(tǒng)的集中式監(jiān)測(cè)方法在大規(guī)模工業(yè)系統(tǒng)上既面臨著檢測(cè)準(zhǔn)確度的問題，也存在計(jì)算復(fù)雜度的壓力，因此這也給大規(guī)模工業(yè)系統(tǒng)的故障診斷帶來(lái)了很大的挑戰(zhàn)。

針對(duì)大規(guī)模工業(yè)系統(tǒng)的復(fù)雜特點(diǎn)和故障診斷所面臨的挑戰(zhàn)，前人已經(jīng)做了相應(yīng)的研究和探討，許多分級(jí)或分塊的監(jiān)測(cè)算法被提出，這些方法的基本思想是首先將系統(tǒng)分解成多個(gè)不同的子系統(tǒng)，然后在不同的子系統(tǒng)中分別建立監(jiān)測(cè)模型，最后將所有子系統(tǒng)的監(jiān)測(cè)結(jié)果融合形成全局監(jiān)測(cè)結(jié)果。在這種監(jiān)測(cè)框架下，大規(guī)模系統(tǒng)的監(jiān)測(cè)問題可以分解為幾個(gè)部分：系統(tǒng)分解、子系統(tǒng)監(jiān)測(cè)模型的建立、決策融合、故障診斷和傳播路徑分析等。

但是，現(xiàn)有的方法仍然存在以下幾點(diǎn)問題：一是未能充分利用現(xiàn)有的機(jī)理知識(shí)。對(duì)于大規(guī)模工業(yè)系統(tǒng)來(lái)說(shuō)，設(shè)備間的耦合關(guān)系，物料連接信息傳遞等系統(tǒng)知識(shí)總是可得的，但是純數(shù)據(jù)驅(qū)動(dòng)的方法常常忽略了對(duì)這些知識(shí)的使用，從而會(huì)降低監(jiān)測(cè)的準(zhǔn)確度和可解釋性；二是未能充分挖掘系統(tǒng)的動(dòng)態(tài)信息，工業(yè)系統(tǒng)中的變量總是具有自相關(guān)性的，即動(dòng)態(tài)信息，但是常用的監(jiān)測(cè)模型例如主成分分析法 (PCA)、偏最小二乘法(PLS)等常常忽略這一系統(tǒng)特性，從而導(dǎo)致監(jiān)測(cè)性能的下降；三是未能充分考慮子系統(tǒng)間的通信信息，現(xiàn)有方法往往只關(guān)注于子系統(tǒng)內(nèi)部的變量變化，而沒有考慮到子系統(tǒng)之間的信息交流，但是實(shí)際上子系統(tǒng)間的變量也存在耦合關(guān)系，未能將這些信息同時(shí)納入監(jiān)測(cè)范圍會(huì)導(dǎo)致信息的損失，影響子系統(tǒng)內(nèi)部的監(jiān)測(cè)性能；四是現(xiàn)有數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法大都是基于變量之間的相關(guān)性而非因果關(guān)系，因此在故障變量隔離和傳播路徑的分析上通常受蔓延現(xiàn)象的影響，導(dǎo)致對(duì)故障原因的判斷出現(xiàn)偏差。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有方法的不足，結(jié)合系統(tǒng)先驗(yàn)知識(shí)和數(shù)據(jù)，基于有向圖分解和分布式典型變量分析方法，實(shí)現(xiàn)對(duì)大規(guī)模工業(yè)系統(tǒng)的分布式故障檢測(cè)與診斷。

本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種知識(shí)與數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模工業(yè)系統(tǒng)分布式狀態(tài)監(jiān)測(cè)方法，其步驟如下：

S1、針對(duì)待監(jiān)測(cè)的工業(yè)系統(tǒng)，根據(jù)系統(tǒng)知識(shí)建立大規(guī)模系統(tǒng)的有向圖模型，并將有向圖分解成多個(gè)子系統(tǒng)；

S2、在每個(gè)子系統(tǒng)中分別建立典型變量分析模型，所有子系統(tǒng)的檢測(cè)結(jié)果通過(guò)貝葉斯推理進(jìn)行融合，形成全局故障檢測(cè)結(jié)果；

S3、通過(guò)分布式貢獻(xiàn)圖方法確定故障負(fù)責(zé)變量，并根據(jù)有向圖推理法定位故障根源。