[发明专利]一种多变量工业过程故障识别方法

权利要求书

1.一种多变量工业过程故障识别方法，其特征在于：含有以下步骤：

(一)收集历史数据库的正常操作工况数据集X和K类已知的故障模式数据集{H_o1,H_o2,...,H_oK}，计算正常操作工况数据集的均值mean(X)和标准差std(X)，对已知的故障模式数据集{H_o1,H_o2,...,H_oK}进行标准化处理获得新故障模式数据集{H₁,H₂,...,H_K}；

(二)在各个故障模式数据集下构造数据窗，计算低阶统计量的变量均值ε_i(t)、低阶统计量的方差v_i(t)、高阶统计量的3阶中心距高阶统计量的4阶中心距高阶统计量的偏斜度γ_i(t)和高阶统计量的峰度κ_i(t)六种统计量变量；

(三)检测过程故障，收集实时故障数据S，进行标准化处理；

(四)在步骤(三)的基础上执行统计量主元相异度分析，计算待识别故障数据集和已知故障模式数据集之间的故障识别指数FRI；

(五)对故障识别指数FRI进行排序，获得故障识别结果。

2.根据权利要求1所述的多变量工业过程故障识别方法，其特征在于：所述步骤(一)中，通过公式(1)对故障模式数据进行标准化处理，公式(1)的表达式如下：

H_i＝(H_oi-mean(X))/std(X),(i＝1,2,...,K)(1)

经上述公式(1)标准化处理后即可获得新故障模式数据集{H₁,H₂,...,H_K}。

3.根据权利要求1所述的多变量工业过程故障识别方法，其特征在于：所述步骤(二)中，构造数据窗的步骤为：对任意t时刻的数据窗记为：

式中，w为数据窗宽度。

4.根据权利要求1所述的多变量工业过程故障识别方法，其特征在于：所述六种统计变量分别由计算公式(3)、(4)、(5)、(6)、(7)、(8)计算获得，公式(3)、(4)、(5)、(6)、(7)、(8)的表达式如下所示：

ϵi(t)=1wΣh=0w-1xi(t-h)---(3)]]>

vi(t)=1wΣh=0w-1[xi(t-h)-ϵi(t)]2---(4)]]>

ci(3)(t)=1wΣh=0w-1[xi(t-h)-ϵi(t)]3---(5)]]>

ci(3)(t)=1wΣh=0w-1[xi(t-h)-ϵi(t)]4---(6)]]>

γi(t)=1wΣh=0w-1[xi(t-h)-ϵi(t)]3(1wΣh=0w-1[xi(t-h)-ϵi(t)]2)3/2---(7)]]>

κγi(t)=1wΣh=0w-1[xi(t-h)-ϵi(t)]4(1wΣh=0w-1[xi(t-h)-ϵi(t)]2)2-3---(8)]]>

根据上面所述的六个公式(3)至(8)获得数据窗的6类变量，将其堆积为一个行向量[ε(t)v(t)c⁽³⁾(t)c⁽⁴⁾(t)γ(t)κ(t)]，其中，ε(t)＝[ε₁(t)…ε_m(t)]，v(t)＝[v₁(t)…v_m(t)]，c(3)(t)=c1(3)(t)...cm(3)(t),]]>c(4)(t)=c1(4)(t)...cm(4)(t),]]>γ(t)＝[γ₁(t)…γ_m(t)]，κ(t)＝[κ₁(t)…κ_m(t)]；

将各个故障模式数据集分割为一系列如公式(9)所示的数据窗H_it(w≤t≤n)，公式(9)表达式如下：

Ht=Hiw...Hit...Hin---(9)]]>

针对各故障模式数据集的每一个数据窗H_it(w≤t≤n)计算其统计量，进而获得各个故障模式数据集的统计量矩阵，记为：

Xi=ϵ(w)v(w)c(3)(w)c(4)(w)γ(w)κ(w)..................ϵ(t)v(t)c(3)(t)c(4)(t)γ(t)κ(t)..................ϵ(n)v(n)c(3)(n)c(4)(n)γ(n)κ(n),(i=1,2,...,K)---(10)]]>

。