[发明专利]一种参数最优的自主学习故障诊断系统

说明书

本发明公开了一种参数最优的自主学习故障诊断系统，用于对田纳西伊斯曼过程进行故障诊断，包括数据预处理模块、主成分分析模块、自主学习模块以及群智能算法模块。本发明对田纳西伊斯曼化工过程的重要参数指标进行故障诊断，克服已有的化工故障诊断技术仪表预报精度不高、易受人为因素影响的不足，利用蚁群算法较强的全局搜索能力和局部搜索能力快速寻找到支持向量机的最优参数，提出了一种小样本条件下诊断效果更好的且易得到参数最优的自主学习故障诊断系统。

技术领域

本发明涉及故障诊断领域、机器学习领域和群智能优化算法领域，尤其涉及一种结合机器学习和群智能优化算法的田纳西伊斯曼过程化工故障诊断系统。

背景技术

随着近几年大数据正在如火如荼地发展起来，大数据本身已成为人工智能的重要支撑部分，除此之外，由于数据的产生速度和总量都在急速增长，从以往生产过程所产生的数据中获取我们需要的隐藏在数据中的信息，已成为科学研究的新领域。利用数据进行复杂工业过程检测已在工业故障检测领域得到了快速发展，该技术能有效降低工业生产过程故障的发生，从而最大限度地避免故障对企业和国家造成的损失。化工型企业一直是安全事故高发的一类生产性企业，一直以来给地方政府和人民造成较大的生命财产损失；例2016年4月3日，山东省德州市一家名为联化科技的化工厂发生严重爆炸事故，爆炸共造成7人受伤，并对周围房屋建筑造成不同程度地破坏，由于是化工厂中有多种化工原料，爆炸使多种化工生产原料发生泄漏，一定程度上污染了当地的自然环境。2016年4月20日，墨西哥的国家石油公司下属的一处石油加工设施爆炸，涉事公司称“泄漏”是引发此次爆炸的主要因素，但没有明确指明是何种材料的泄漏，具体事故原因需要进一步查明，此次事故共造成32人死亡，130人受伤。2017年2月，安徽省恒兴化工公司发生爆炸，此次事故没有造成人员伤亡。事后经有关部门的调查分析，初步查出的事故原因为蒸汽管道阀门操作失误。以上案例只是最近这段时间所发生事故的一部分。由此可见，化工生产过程发生安全事故的概率相比其他产业要大一些；正如此，如何能够最大限度地避免此类安全事故的发生，就显得尤为重要。开展化工过程的故障检测与诊断研究正是为了减少此类故障事故的发生，从而实现安全生产，为国家争取更多的经济效益，因此，基于数据驱动的故障检测方法研究已经成为故障检测与诊断领域的热点问题之一。

发明内容

为了克服目前已有的故障诊断技术的预报精度不高、易受人为因素影响的不足，本发明的目的在于提供一种小样本条件下预报效果更好故障诊断系统。

本发明解决其技术问题所采用的技术方案是：一种参数最优的自主学习故障诊断系统，用于对田纳西伊斯曼过程进行故障诊断，包括数据预处理模块、主成分分析模块、自主学习模块以及群智能算法模块。其中：

数据预处理模块：田纳西伊斯曼过程的52个变量为数据预处理模块的输入。由于每个变量都有不同的单位，为了防止不同的量纲引起数据量级之间的误差，先对所有数据进行标准化处理，标准化公式如下：

其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，x_ij表示标准化后输入变量的值作为输入数据。标准化后的数据为S＝{x_i1,x_i2,...x_i52}。

主成分分析模块：通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度。将标准化后的数据S＝{x_i1,x_i2,...x_i52}进行主成分分析，保留85％的主要成分。

自主学习模块：用于建立诊断系统，采用支持向量机自主学习模块：

其中J表示目标函数、w表示模块参数、b表示偏执、x表示输入数据、y表示输出数据，下标i表示第i个数据。