[发明专利]一种群智能搜索的相关向量机故障诊断系统

说明书

本发明公开了一种群智能搜索的相关向量机故障诊断系统，用于对乙烯裂解过程进行故障诊断，包括还数据预处理模块、主成分分析模块、相关向量机模块以及群智能算法模块。本发明对乙烯裂解化工过程的重要参数指标进行故障诊断预报，克服已有的化工故障诊断技术仪表系统测试时间相对较长的不足，引入群智能算法模块对相关向量机参数寻优，实现的乙烯裂解过程故障诊断系统的测试效率高。

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乙烯裂解过程化工故障诊断系统。

背景技术

由于当今社会对工业生产的系统性能表现、产品质量以及运行成本的这些方面的越来越多的要求，以及计算机技术的发展以及自动化技术在工业生产过程中的应用，现代化生产过程日益复杂，即大型化、智能化、精密化。一些传统的方法，例如增强传感器、执行器、控制器及计算机这些子系统的稳定性和鲁棒性来提高整个系统的可靠性也不能保证系统无故障的运行。而在过程设备中或者过程内部的故障都给生产过程造成很大的偏差而且会使得整个系统性能变很差。比如，在化工过程中的传感器故障(如测量偏差)、执行机构的故障(如阀门、管道、水泵)以及生产过程中本身的故障(如催化剂失活、换热器污垢)。一个故障不仅会损伤功能性部件设备，还会通过耦合的控制回路和反馈系统影响到整个系统。为了解决这些问题，就需要一个故障诊断系统来监测整个系统的运行情况。因此，关于这些复杂过程的安全性和可靠性的问题受到了越来越多的关注。为保证生产过程安全可靠地进行，在系统中加入自动故障检测装置是非常必须的。它可以通过及时识别并通知工业生产过程中的异常情况，使操作员能迅速做出反应和排除故障来确保生产工艺能够正常运行。因此，故障诊断技术在生产过程中发挥着越来越重要的作用。

发明内容

为了克服目前已有的故障诊断系统测试时间相对较长的不足，本发明的目的在于提供一种测试效率高的故障诊断系统。

本发明解决其技术问题所采用的技术方案是：一种群智能搜索的相关向量机故障诊断系统，用于对乙烯裂解过程进行故障诊断，包括还数据预处理模块、主成分分析模块、相关向量机模块以及群智能算法模块，其中：

数据预处理模块：乙烯裂解过程的30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_i30}。

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_i30}进行主成分分析，保留85％的主要成分。

相关向量机模块：用于建立诊断系统，提高系统的测试效率：

在相关向量机中，假设y符合高斯分布，将高斯核函数应用到y(x)，其中y_c为y的估计值，κ为函数的宽度参数，可以得到似然估计函数：

其中t＝(t₁,t₂...t_N)^T，w＝(w₁,w₂...w_N)^T，w表示权重系数，t表示分类类别共N类，P表示概率结果、x为输入数据、y为输出数据，下标i表示第i个数据，上标T表示矩阵的转置。