[发明专利]一种基于时序多块建模策略的化工过程监测方法

权利要求书

1.一种基于时序多块建模策略的化工过程监测方法，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、i＝1，2，…，n、上标号T表示矩阵或向量的转置；

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

上式中，d＝1，2，…，D，N＝n-D+1；

步骤(3)：根据公式C(d，j)＝X_d^TX_j计算相关性矩阵C(d，j)后，按照如下所示公式构造矩阵Θ与矩阵φ，其中j＝1，2，…，D；

步骤(4)：求解广义特征值问题：(Θ-φ)w_a＝λ_aφw_a中最大m个特征值λ₁≥λ₂≥…≥λ_m所对应的特征向量w₁，w₂，…，w_m，其中各个特征向量的长度需满足条件：w_a^Tφw_a＝D，a＝1，2，…，m；

步骤(5)：分别将矩阵W＝[w₁，w₂，…，w_m]中第(d-1)m+1行至第dm行的行向量分别对应组成载荷矩阵W₁，W₂，…，W_D，其中d＝1，2，…，D；

步骤(6)：设置动态相关阶数为A，这里需满足条件A＜m，再将载荷矩阵W_d表示成其中由W_d中前A列向量组成，由W_d中后m-A列向量组成；

步骤(7)：根据公式计算动态得分矩阵S₁，S₂，…，S_D，并利用最小二乘回归算法建立输入矩阵Z_d＝[S₁，…，S_d-1，S_d+1，…，S_D]与S_d之间的回归关系模型：S_d＝Z_dΦ_d+E_d，其中Φ_d＝(Z_d^TZ_d)^-1Z_d^TS_d为回归系数矩阵、E_d为回归误差矩阵、d＝1，2，…，D；

步骤(8)：根据公式计算静态得分矩阵U_d后，再分别计算回归误差矩阵E_d与静态得分矩阵U_d的协方差矩阵Λ_d＝E_d^TE_d/(N-1)与V_d＝U_d^TU_d/(N-1)；

步骤(9)：根据公式ψ_d＝diag{E_dΛ_d^-1E_d^T}与Q_d＝diag{U_dV_d^-1U_d^T}计算训练数据的监测指标向量ψ_d与Q_d，并利用核密度估计法分别确定出监测指标向量ψ_d与Q_d在置信限α＝99％条件下的具体数值，分别对应记做δ_d与β_d，diag{}表示将大括号内矩阵对角线元素转变成向量的操作；步骤(10)：根据如下所示公式③计算综合监测指标向量ψ与Q：

并再次使用核密度估计法确定ψ与Q在置信限α＝99％条件下的具体数值，分别对应记做δ与β；

离线建模阶段至此完成，接下来进入在线动态过程监测阶段，包含以下所示实施步骤；

步骤(11)：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(12)：根据公式与计算动态得分向量s_D与静态得分向量u_D；

步骤(13)：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转换得到动态得分向量与静态得分向量其中γ＝1，2，…，D-1；

步骤(14)：根据公式e_d＝s_d-z_dΦ_d计算回归误差向量e_d，其中z_d＝[s₁，…，s_d-1，s_d+1，…，s_D]，再分别根据公式与θ_d＝u_dV_d^-1u_d^T计算监测指标与θ₁，θ₂，…，θ_D；

步骤(15)：根据如下所示公式④计算t采样时刻的综合监测指标ψ_t与Q_t：

步骤(16)：判断是否满足条件：ψ_t≤δ且Q_t≤β，若是，则当前采样时刻化工过程运行正常，返回步骤(11)继续实施对下一个采样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(11)继续实施监测。