[发明专利]高效自适应非线性模型更新的关键性能指标过程监测方法

权利要求书

1.一种高效自适应非线性模型更新的关键性能指标过程监测方法，其特征在于，包括：

获取复杂装备的监测指标，并对所述监测指标进行预处理，生成预处理后的指标；所述监测指标包括过程变量以及反映装备核心变化的指标；所述预处理后的指标包括预处理后的过程变量以及预处理后的反映装备核心变化的指标；所述过程变量包括温度、流量以及压力；所述反映装备核心变化的指标包括伺服机构喷管以及生成物浓度；

将预处理后的过程变量向高维空间进行映射，生成高维映射后的输入非线性矩阵；

根据所述输入非线性矩阵构建高斯核函数矩阵，并对所述高斯核函数矩阵进行归一化处理，生成归一化处理后的高斯核函数矩阵；

根据所述归一化处理后的高斯核函数矩阵以及所述预处理后的反映装备核心变化的指标构建正交投影非线性模型；

基于所述正交投影非线性模型，根据所述归一化处理后的输入非线性矩阵以及所述预处理后的过程变量确定统计量和控制限；

根据所述统计量和所述控制限进行在线监测，获取在线监测的当前监测指标；

基于所述当前监测指标更新所述正交投影非线性模型，确定更新后的正交投影非线性模型；

根据所述更新后的正交投影非线性模型更新所述统计量和所述控制限，并根据更新后的统计量和更新后的控制限确定所述复杂设备的当前运行状态；所述当前运行状态为所述复杂设备发生质量相关故障或所述复杂设备运行正常。

2.根据权利要求1所述的高效自适应非线性模型更新的关键性能指标过程监测方法，其特征在于，对所述监测指标进行预处理，生成预处理后的指标，具体包括：

计算所述监测指标的均值和标准差；

对所述监测指标中的每个样本进行标准化处理，统一数据尺度，生成预处理后的指标。

3.根据权利要求1所述的高效自适应非线性模型更新的关键性能指标过程监测方法，其特征在于，所述归一化处理后的高斯核函数矩阵为：

其中，1_n为的全1列向量，I_n为的单位矩阵，K_x为高斯核函数矩阵，为1维的实数集，为n维的实数集，n为训练数据样本个数。

4.根据权利要求1所述的高效自适应非线性模型更新的关键性能指标过程监测方法，其特征在于，根据所述归一化处理后的高斯核函数矩阵以及所述预处理后的反映装备核心变化的指标构建正交投影非线性模型，具体包括：

根据所述归一化处理后的高斯核函数矩阵以及所述预处理后的反映装备核心变化的指标确定第s次迭代的输入潜变量向量、第s次迭代的输出投影向量以及第s次迭代的输出潜变量向量；s为迭代次数；

根据所述第s次迭代的输出投影向量确定输出负载矩阵；

根据所述第s次迭代的输入潜变量向量、所述第s次迭代的输出投影向量以及所述第s次迭代的输出潜变量向量确定输出估计矩阵；

根据所述输出估计矩阵确定第s次迭代的质量相关正交投影向量；

根据所述质量相关正交投影向量确定输入矩阵的第s次迭代的负载向量以及第s次迭代的正交得分向量；

根据所述第s次迭代的负载向量确定输入负载矩阵；

根据所述正交得分向量确定正交输入得分矩阵；

根据所述高维映射后的输入非线性矩阵、所述预处理后的反映装备核心变化的指标、所述所述输入负载矩阵、所述正交输入得分矩阵以及输出负载矩阵构建正交投影非线性模型。

5.根据权利要求4所述的高效自适应非线性模型更新的关键性能指标过程监测方法，其特征在于，所述正交投影非线性模型为：

其中，Ψ_x为高维映射后的输入非线性矩阵，为质量相关矩阵，为残差空间矩阵，P_x为输入负载矩阵，T_or为正交输入得分矩阵，Y^*为预处理后的反映装备核心变化的指标，为输入可预测矩阵，为输出残差矩阵，T_p为原始得分矩阵，Q为输出负载矩阵，T为转置操作。