[发明专利]一种基于切换有监督线性动态系统模型的故障诊断方法

摘要

本发明公开了一种基于切换的有监督线性动态系统模型的工业过程故障诊断方法，用于工业过程中关键质量变量可获得的条件下的故障诊断。本发明将有监督线性动态系统模型扩展成多模态形式，建立了一个切换的有监督线性动态系统模型，既考虑了过程数据的动态特性和随机特性，又充分利用了质量变量中包含的重要过程运行信息。相比目前的其它方法，本发明提高了模型对工业过程运行状态的刻画能力，增加了故障诊断效果，减少了诊断的延迟时间，使故障处理更加及时有效，并且更加有利于工业过程的自动化实施。

主权项

1.一种基于切换的有监督线性动态系统模型的工业过程故障诊断方法，其特征在于，包括以下步骤：(1)利用集散控制系统收集过程正常工况的数据以及从正常工况运行到发生各种故障工况的数据形成的观测序列，组成建模用的训练样本集；数据包括过程变量的数据和对应的质量变量的数据；过程变量的数据组成的训练样本集为Xo＝[X1；X2；…；XNex]，其中Xnex＝[x1,x2,…,xN]∈RV×N，nex＝1,2,…,Nex为对应于第nex个观测序列的过程变量的数据矩阵，R为实数集且RV×N表示Xnex满足V×N的二维分布，N为每个序列的采样数据点数，V为过程变量个数；质量变量的数据组成的训练样本集为Yo＝[Y1；Y2；…；YNex]，其中Ynex＝[y1,y2,…,yN]∈RL×N，nex＝1,2,…,Nex为对应于第nex个观测序列的质量变量的数据矩阵，RL×N表示Ynex满足L×N的二维分布，L为质量变量个数；(2)假设故障工况类别为S，再加上一个正常工况类，建模数据的总类别为S+1；在不破坏时序的条件下，从训练样本集X_o和Y_o中分离出不同类别的数据，组成用于有监督线性动态系统建模的训练样本和其中和s＝1,2,…,S+1为对应于第s类工况的过程变量和质量变量组成的数据矩阵，M为每一类工况的样本序列长度；将这些数据存入历史数据库；(3)从历史数据库中调用训练样本集和采用期望最大化方法对正常工况类和每个故障工况类别分别建立有监督线性动态系统模型，得到模型参数θ(s)，s＝1,2,…,S+1；(4)从历史数据库中调用训练样本集Xo和Yo，计算切换的有监督线性动态系统模型的初始状态概率分布π0∈R1×(S+1)和状态转移概率矩阵K∈R(S+1)×(S+1)，得到切换的有监督线性动态系统模型的参数Θ＝{π0,K,θ(s),s＝1,2,…S+1}；将模型参数Θ存入历史数据库中备用；(5)收集新的过程变量和对应的质量变量的在线数据：和其中和分别为当前t时刻的在线过程变量和质量变量的数据；然后采用新的高斯和滤波方法计算当前监测数据在正常工况和各个故障工况下的后验概率，最后给出故障诊断结果。