[發明專利]一種基于數據缺失的流程工業過程故障檢測方法

有效

• 申請號: 202110987661.8
• 申請日: 2021-08-26
• 公開（公告）號: CN113743489B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 顧昊昱;張成功;錢平;王麗
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06F18/2135
• 分類號: G06F18/2135;G06F18/15;G06N3/048;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 應小波

1.一種基于數據缺失的流程工業過程故障檢測方法，其特征在于，該方法包括以下步驟：

步驟S1：對流程工業過程進行數據采樣和處理；

步驟S2：利用核極限學習機KELM填補采樣數據中的缺失數據；

步驟S3：采用地標等距映射法L-ISOMAP對數據進行低維特征提取；

步驟S4：在特征空間和殘差空間分別計算統計量和控制現，進行故障檢測；

所述步驟S2具體為：

步驟S201：確定KELM_i模型的輸入輸出數據；

對于第i個采樣點，找到缺失值所屬變量v_{ms_i}，將v_{ms_i}對應的數據Nan_NCi作為需要預測的值，將該采樣點中除去缺失值外的已觀測到的變量為v_{ob_i}，將該v_{ob_i}對應的數據X_NCi作為KELM_i模型的測試輸入；

將完整數據集X_SM-C作為KELM_i模型的訓練數據，X_SM-C中變量v_{ob_i}對應的數據X_Ci作為輸入，X_SM-C中變量v_{ms_i}對應的數據Y_Ci作為模型輸出，構成具有P個采樣點的數據集為其中X_Ci∈R^P×T表示訓練輸入X_Ci是T維的數據點，Y_Ci∈R^P×K表示標簽Y_Ci為K維的數據點，x_{Ci_t}表示第t個采樣點的訓練數據，y_{Ci_t}表示第t個采樣點的標簽；

步驟S202：建立第i個采樣時刻的KELM_i模型；

步驟S203：對第i個樣本點的缺失數據進行預測；

步驟S204：將X_SM-NC中所有具有缺失值的時刻進行填補，得到完整數據集X_f；

所述步驟S3包括以下步驟：

步驟S301：在m個樣本中隨機選取m′個樣本作為地標點；

步驟S302：構建近鄰鄰域圖G；

計算m′個地標點對之間的歐式距離，數據點對(X_fi,X_fj)的歐氏距離記為d_Xm′(X_fi,X_fj)；設定距離閾值，選取合適的近鄰，構建近鄰鄰域圖G；

步驟S303：計算高維數據間的測地線距離Dijkstra距離，即最短路徑；

通過計算近鄰鄰域圖G上X_fi,X_fj兩點的測地線距離d_Dm′(X_fi,X_fj)來近似原始流形的測地線距離，測地線距離矩陣D_Dm′由測地線距離的平方構成；

步驟S304：確定內積矩陣B_m′：

其中H_m′是中心化矩陣；

步驟S305：得到地標點的d維嵌入矩陣L_d：

求解得到矩陣B_m′對應的最大的d個特征值λ₁≥λ₂≥…λ_d，特征值對應的d個特征向量為[v₁,v₂,…,v_d]，從而地標點的d維嵌入矩陣L_d表示為：

其中表示第一個特征值對應的特征向量；

步驟S306：求取測地線距離矩陣D_Dm′的平均向量

步驟S307：計算數據集中除去地標點的數據點與地標點之間的距離，即其余數據點中的某一點r與地標點之間的距離記為d_Dmm′(X_fr,X_fj)，距離平方組成矩陣，矩陣中數據點r所在列形成的向量記為

步驟S308：求取矩陣L_d的偽逆轉置矩陣L^#_d

步驟S309：計算其余數據點的d維嵌入矩陣L_rd；

步驟S310：采用主成分分析PCA算法實現嵌入坐標對齊；

計算得到d維嵌入矩陣X_fd∈R^m×d，利用PCA標準化方法實現坐標對齊，得到對齊后的d維特征矩陣Y∈R^m×d；

所述步驟S4包括以下步驟：

步驟S401：計算映射矩陣A；

通過局部線性回歸思想求取原始高維數據投影到低維空間的映射矩陣A：

Y＝AX_f?????????????????????????????(12)

A＝YX_f^T(X_fX_f^T)^-1????????????????????????(13)

其中X_f為填補缺失數據之后的完整數據集，Y為特征矩陣；

步驟S402：構造離線數據故障檢測統計量和控制限；

步驟S403：計算在線數據統計量，進行實時監控。