[发明专利]一种基于自相关潜变量模型的化工过程状态监测方法

权利要求书

1.一种基于自相关潜变量模型的化工过程状态监测方法，其特征在于，包括以下步骤：

步骤(1)：采集化工过程正常运行状态下的n个样本数据x₁，x₂，…，x_n，组成训练数据矩阵X＝[x₁，x₂，…，x_n]^T∈R^n×m，并对X中各样本数据实施标准化处理得到矩阵其中m为测量变量数、R为实数集、R^n×m表示n×m维的实数矩阵、x_i∈R^m×1与分别表示第i个样本数据及其标准化处理后的数据向量、i＝1，2，…，n、上标号T表示矩阵或向量的转置；

步骤(2)：设置自相关阶数D后，根据如下所示公式依次得到D个时间序列子块矩阵X₁，X₂，…，X_D：

上式中，d＝1，2，…，D，N＝n-D+1；

步骤(3)：按照如下所述步骤(一)至步骤(四)求解得到投影变换基W∈R^m×m；

步骤(一)：初始化U为任意m×m维的随机实数矩阵；

步骤(二)：计算矩阵后，求解特征值问题Φ_Uμ＝ημ中所有特征值所对应的特征向量μ₁，μ₂，…，μ_m，并保证各特征向量的长度都为1且按照特征值大小的降序排列而进行先后排列，再更新矩阵U＝[μ₁，μ₂，…，μ_m]，其中k＝1，2，…，D、C_kλ＝X_k^TX_λ、λ＝1，2，…，D、H_kλ的取值为：若k≠λ，则H_kλ＝1；若k＝λ，则H_kλ＝0；

步骤(三)：若U收敛，则执行步骤(四)；若U未收敛，则返回步骤(二)；

步骤(四)：根据公式计算得到投影变换基W；

步骤(4)：确定自相关潜变量的个数为d，再将投影变换基W对应分成两部分：W₁与W₂，其中，W₁由投影变换基W中前d列的列向量组成，W₂由W中后m-d列的列向量组成；

步骤(5)：根据公式与分别计算自相关潜变量矩阵与静态潜变量矩阵

步骤(6)：利用最小二乘回归算法建立输入矩阵与之间的回归模型：其中E为回归误差矩阵、表示回归系数矩阵；

步骤(7)：计算E的协方差矩阵Λ＝E^TE/(N-1)，再根据公式ψ＝diag{EΛ^-1E^T}与分别计算监测指标向量ψ与Q，并利用核密度估计法分别确定出各监测指标向量在置信限α＝99％条件下的具体数值，分别对应记做δ与β，其中diag{}表示将矩阵对角线的元素转变成列向量的操作；

离线建模阶段至此完成，接下来进入在线监测阶段，包含以下所示实施步骤；

步骤(8)：收集新采样时刻的样本数据x_t∈R^m×1，并对x_t实施与步骤(1)中相同的标准化处理对应得到向量其中t表示最新采样时刻

步骤(9)：根据公式与分别计算自相关潜变量得分向量s_D与静态潜变量得分向量u；

步骤(10)：将标准化处理后的第t-1个采样时刻至第t-D+1个采样时刻的数据向量分别进行投影变换得到相应的自相关潜变量得分向量其中γ＝1，2，…，D-1；

步骤(11)：根据公式e＝s_D-zΘ计算回归误差向量e，其中z＝[s₁，s₂，…，s_D-1]，再分别根据公式与θ＝uu^T计算监测指标与θ；

步骤(12)：判断是否满足条件：且θ≤β，若是，则当前采样时刻化工过程运行正常，返回步骤(8)继续实施对下一个新时刻样本数据的监测；若否，则当前采样时刻化工过程进入异常工作状态，触发故障警报并返回步骤(8)继续实施监测。