[发明专利]基于修正型独立元分析的双层集成式工业过程故障检测方法

摘要

本发明涉及一种基于修正型独立元分析的双层集成式工业过程故障检测方法，该方法主要解决的是非高斯过程故障模型建立过程中不可避免的两个问题：其一是如何确定非二次函数以度量非高斯性大小，其二是如何选择重要的独立元成分建立模型。该发明首先利用所有的选择可能性依次建立多个MICA故障检测模型。其次，以这多个MICA模型监测同一个过程数据。最后，利用双层式贝叶斯概率融合的方法将不同的故障检测结果集成为一，以方便最后的故障决策。该发明方法能将因选错非二次函数或排序准则而引起的故障漏报率降到了最低，极大地提高了相应故障检测模型的可靠性与适用性。

主权项

1.一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于：该方法包括以下步骤：(1)利用过程的数据采集系统收集生产过程正常运行状态下的采样数据，组成训练数据集X∈R^n×m，并对每个变量进行标准化处理，得到均值为0，标准差为1的新数据矩阵其中，n为训练样本数，m为过程测量变量数，R为实数集，R^n×m表示n×m维的实数矩阵；(2)对数据矩阵进行白化处理，将转换成标准正交化的新数据矩阵Z∈R^n×m；(3)从如下所示的三种非二次函数中选择第k个非二次函数Gk：G1(u)＝log cosh(u)，G2(u)＝exp(‑u2/2)，G3(u)＝u4    (1)其中，u为函数Gk的自变量，k＝1，2，3分别为三种不同的非二次函数的标号，再调用MICA迭代算法求取与Gk相对应的m个独立元成分，重复此操作直至得到三个独立元集合，并保存相应的模型参数以备用；(4)设置需要保留的独立元个数d，利用第j个的排序准则对上个步骤中的每个独立元集合进行重要性排序，并选择所需要的d个重要的独立元成分建立起相应的MICA故障检测模型，保存模型参数以备在线故障检测时调用，其中，j＝1，2，3，4分别为四种排序准则的标号；(5)收集新的过程采样数据x_new∈R^m×1，并将其进行同样的标准化处理得到(6)分别调用不同的MICA模型对其进行故障检测，即构建相应的监测统计量与其中，|| ||表示计算向量的长度；(7)先利用贝叶斯概率融合方法进行第一层的信息集成得到概率型监测指标和其中，k＝1，2，3分别对应于三种不同的非二次函数；(8)再利用贝叶斯概率融合方法将步骤(7)中得到的3组和进行第二层的信息集成，得到最终的概率型监测指标BI_D和BI_Q，并决策新数据是否正常。