[发明专利]基于半监督主元分析的故障监控方法

摘要

一种基于半监督主元分析的过程监控方法，包括步骤一，离线建模进程，分为数据收集模块、数据预标签模块、数据归一化模块1、半监督特征提取模块、统计量计算模块1和控制限设定模块；步骤二，在线监控进程，分为数据归一化模块2、特征提取模块、统计量计算模块2和决策模块，如果步骤二第3步计算得到的或连续5次超出步骤一第6步计算得到的控制上限或，判断为有故障发生，由控制系统则发出报警。可对数据预标签时不需要对采集的所有数据进行标记，大量减少因标记样本等消耗的人力、物力和财力；可以同时利用有标签样本和无标签样本中蕴含的统计方差信息，提高了系统的鲁棒性和实用性，可应用石油化工、机械加工生产过程中。

主权项

1.一种基于半监督主元分析的过程监控方法，其特征是包括以下步骤:步骤一：离线建模进程（1）、数据收集模块收集某一段时间内生产过程中各传感器采集的现场无标签数据，，其中，T表示矩阵的转置，表示第i个样本，表示第i个样本的j个观测变量，n表示样本个数，m表示测量变量的个数，R^mxn表示m行n列的欧式空间； （2）、数据预标签模块步骤一第1步中采集的数据为未标签数据，根据生产班组的生产情况记录，标记中部分数据为正常工况数据，非正常工况数据，剩余的未标签数据，其中n_N是标记的正常工况的样本个数，n_AB是标记的非正常工况的样本个数，n_U是剩余的未标签数据的样本个数；（3）、数据归一化模块1计算正常工况数据各变量均值（1）和标准差（2）将正常工况数据，非正常工况数据，无标签数据的各列减去公式（1）得到的变量均值且除以公式（2）得到的变量标准差，得到归一化后的正常工况数据，归一化后的非正常工况数据，归一化后的无标签数据； （4）、半监督特征提取模块4.1 设定无标签样本数据的最优映射目标函数利用归一化后的剩余无标签数据，定义无标签样本数据的最优映射目标函数（3）最大化提取无标签样本数据的方差统计信息，其中W表示最优映射矩阵，表示映射x_i通过映射W得到的像，i是索引号，i=1,2,…,n_U，表示映射x_j通过映射W得到的像，j是索引号，j=1,2,…, n_U；4.2 设定正常工况样本数据的最优映射目标函数 利用获得归一化后的正常过程数据，定义正常工况样本数据的最优映射目标函数（4）最大化提取正常工况样本数据的方差统计信息，其中W表示最优映射矩阵，表示映射x_i通过映射W得到的像，i是索引号，i=1,2,…,n_N，表示映射x_j通过映射W得到的像，j是索引号，j=1,2,…, n_N；4.3 设定非正常工况样本数据的最优映射目标函数利用获得归一化后的非正常工况数据，定义非正常工况样本数据的最优映射目标函数（5）最大化提取非正常工况样本数据的方差统计信息, 其中其中W表示最优映射矩阵，表示映射x_i通过映射W得到的像，i是索引号，i=1,2,…,n_AB，表示映射x_j通过映射W得到的像，j是索引号，j=1,2,…, n_AB；4.4合成无标签样本数据、正常工况样本数据、非正常工况样本数据的最优映射目标函数形成一个综合的最优映射目标函数（6）其中,是比例参数，用来调节正常工况样本数据和非正常工况样本数据对半监督目标函数的贡献比率，取值为0～1；4.5计算最优化半监督最优目标函数的映射向量W综合的最优映射目标函数（7）简化成（8）其中：（9）（10）其中S_ij是属性矩阵，是对角阵，，在谱分析理论中被称为拉普拉斯矩阵，设，I是单位阵，则被扩展成特征值分解问题；对XLX^T进行特征值分解，其特征值λ₁≥λ₂≥…≥λ_d≥…≥λ_r,其中r是分解得到的特征值的个数，选取最大的d个特征值所对应的特征向量ω₁，ω₂，…，ω_d，即是所要求解的W=[ω₁，ω₂，…，ω_d ]； （5）、统计量计算模块1计算平方预测误差SPE，即Q统计量，和Hotelling’s统计量，即D统计量，Q统计量和D统计量被用来作为监控故障状态的指标；5.1归一化后的正常过程数据通过映射，得到降维后的数据，n_N表示样本个数，i是索引号，i=1,2,…,n_N，X_N和Y_N的关系为：（11）其中是转化矩阵，是残差矩阵；5.2计算D统计量D统计量定义为（12），其中，,，d是映射后的维数，即步骤一第4.5步中选取的特征值的个数；5.3计算Q统计量Q统计量定义为（13），其中表示的估计值；（6）、控制限设定模块通过观察Q统计量和D统计量的分布状况，设定需要报警的控制上限：Q统计量的控制上限满足一个加权的分布，利用步骤一第5.3步计算得到的正常工况SPE值，计算其均值为，方差为，控制上限的置信度为，则Q统计量的控制上限为：（14），取值为0-1；D统计量的控制上限满足一个加权的F分布，控制上限的置信度为时，则D统计量的控制上限为（15）其中p和q是F分布的自由度，p和q取大于0的整数，取值为0-1；步骤二：在线监控进程（1）数据归一化模块2将当前生产过程中各传感器采集的实时现场数据的各列减去步骤一第3步中得到的相应的变量均值且除以相应的变量标准差，得到归一化后的数据，（16）；（ 2）、特征提取模块用步骤一第4步中得到的映射向量，将映射到；（3）、统计量计算模块2用步骤一第5步的计算公式（13）计算的平方预测误差SPE统计量；用步骤一第5步的计算公式（12）计算的Hotelling’s统计量；（4）、决策模块如果步骤二第3步计算得到的或连续5次超出步骤一第6步计算得到的控制上限或，判断为有故障发生，由控制系统则发出报警。