[发明专利]一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法

权利要求书

1.一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法，其特征在于，包括以下步骤：

离线建模阶段的实施过程如下所示：

步骤(1)：采集正常运行工况下的n个采样时刻m个传感变量数据以组成训练数据集矩阵X＝[x₁,x₂,…,x_m]∈R^n×m，其中n为训练集中样本数，m为传感器测量变量数，R为实数集；

步骤(2)：传感器变量x_i∈R^n×1(i＝1,2,…,m)可以分为成分传感器(例如浓度、组分等)以及过程传感器(例如温度、压力等)两大类，成分传感器与过程传感器采集的数据具有大的差异，数据特性不同，因此，不宜将成分传感器数据及过程传感器数据放在一个空间建立模型，因此，根据数据来自于成分传感器或是过程传感器，将训练数据集X∈R^n×m划分为成分子空间和过程子空间

步骤(3)：分别在成分子空间和过程子空间中采用Jarque-Bera测试方法检验数据的正态分布特性，从而将两个局部子空间进一步划分为四个局部子空间：高斯-成分子空间G_c:高斯-过程子空间G_p:非高斯-成分子空间N_c:和非高斯-过程子空间N_p:其中，

步骤(4)：对四个子空间的数据集采用z-score方法进行预处理和归一化，使得每个子空间的各个变量均值为零，标准差为1，从而得到新的子空间为：

步骤(5)：在标准化后的四个子空间中，分别利用局部邻域嵌入算法NPE求得投影变换矩阵A_Gc,A_Gp,A_Nc和A_Np，从而将和四个子空间中的数据分别投影到相对低维特征子空间：和在特征子空间中依据公式和分别构建T_Gc²,T_Gp²,T_Nc²和T_Np²统计量进行局部子空间内故障检测；

步骤(6)：采用滑动窗和互信息测量四个局部子空间之间的关系变化，假设中的第t个样本分别表示为将滑动窗的长度设置为2L，则每个子空间内移动窗可分别构造为移动窗中的数据表示为

根据如下公式计算局部子空间间的互信息：

然后，在构造的滑动窗的基础上，根据下式构造统计量，计算四个局部子空间之间的关系变化：

步骤(7)：结合局部子空间内故障检测统计量和局部子空间间故障检测统计量，利用局部离群概率(LOOP)方法进行综合故障检测统计量的构建。设则对于Y中的一个样本y，y的LOOP可计算为：

然后，采用核密度估计(KDE)方法确定综合监测统计量的控制限LOOP_lim。

在线故障检测的实施过程如下所示：

步骤(8)：收集新采样时刻的样本数据x_t，其中下标号t表示当前最新采样时刻；

步骤(9)：根据离线建模时得到的四个局部子空间划分标准对测试样本x_t进行划分，从而得到四个局部子空间中的样本数据：x′_Gc,x′_Gp,x′_Nc,x′_Np；

步骤(10)：对四个子空间的测试样本分别利用步骤(4)中得到的均值及标准差进行处理，从而得到标准化后的测试样本数据：

步骤(11)：对于利用离线建模步骤(5)得到的NPE模型进行局部特征提取分别构建T′_Gc²，T′_Gp²，T′_Nc²和T′_Np²统计量；

步骤(12)：对实施步骤(6)中的滑动窗和互信息，进一步计算出：M′_GcGp，M′_GcNc，M′_GcNp，M′_GpNc，M′_GpNp，M′_NcNp；

步骤(13)：结合局部子空间内故障检测统计量和局部子空间间故障检测统计量，利用步骤(7)中局部离群概率方法构建综合监测统计量LOOP(y_t)；

步骤(14)判断是否满足条件：LOOP(y_t)＜LOOP_lim，；若是，则当前样本为正常工况采样，返回步骤(8)继续实施对下一个样本数据的故障检测；否则，当前采样数据来自故障工况。