[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

说明书

本发明公开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，包括：对监测指标进行预处理，生成预处理后的指标；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，构建高斯核函数矩阵，生成归一化处理后的高斯核函数矩阵；根据归一化处理后的高斯核函数矩阵以及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；基于正交投影非线性模型，根据归一化处理后的输入非线性矩阵以及预处理后的过程变量确定统计量和控制限，进行在线监测，基于当前监测指标更新正交投影非线性模型，更新统计量和控制限，根据更新后的统计量和更新后的控制限确定复杂设备的当前运行状态。本发明能够提高在线监测的实时性。

技术领域

本发明涉及大型装备和复杂工业过程监测领域，特别是涉及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。

背景技术

在大型装备和复杂工业过程监测中，通过布设的大量传感器监测到的大量数据通常呈现高维度、多变量输入输出、高耦合以及非线性分布的特点，因此如何从海量数据的复杂变化中提取能反映系统关键性能指标的特征是亟待解决的问题。而数据的非线性变化在大型装备的复杂过程中是一个普遍现象，通常反映在输入变量之间呈非线性分布，以及过程变量与关键性能指标之间呈非线性分布。因此，如何从非线性分布的过程数据中提取反映关键性能指标变化的非线性特征，是一个研究的难题。

此外，在大型复杂装备中，由于设备老化以及工作环境的微小变化都会引起工作点的缓慢漂移，导致系统呈缓时变变化，因此需要定期更新模型来跟踪系统的变化，避免产生严重的误报警。在非线性过程中，传统的模型更新方法需要存到大量累积的正常样本，而采用在非线性过程监测中核函数的构建虽然避免非线性函数的计算，但是计算复杂度将会随样本数量的增加也逐渐增加，进而导致模型更新效率降低，影响在线监测的实时性。

发明内容

本发明的目的是提供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，以解决在线监测实时性差的问题。

为实现上述目的，本发明提供了如下方案：

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，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。

可选的，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。