[发明专利]非高斯工业过程故障检测方法及系统有效
申请号: | 201710623082.9 | 申请日: | 2017-07-27 |
公开(公告)号: | CN107357275B | 公开(公告)日: | 2019-08-27 |
发明(设计)人: | 陈志文;彭涛;阳春华;袁小锋;杨超;杨笑悦 | 申请(专利权)人: | 中南大学 |
主分类号: | G05B19/418 | 分类号: | G05B19/418 |
代理公司: | 长沙朕扬知识产权代理事务所(普通合伙) 43213 | 代理人: | 何湘玲 |
地址: | 410083 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及工业过程监控和故障诊断领域,公开了一种非高斯工业过程故障检测方法及系统,以方便实用地在线检测非高斯工业过程。本发明方法包括:第一步、选取一定数量的正常历史数据集,对数据集进行去均值预处理,利用典型相关分析方法建立残差发生器;第二步、采样蒙特卡罗方法确定相应残差发生器的相应阈值;第三步、根据所确定的相应残差发生器阈值和对工业过程数据进行实时在线检测。 | ||
搜索关键词: | 非高斯 工业 过程 故障 检测 方法 系统 | ||
【主权项】:
1.一种非高斯工业过程故障检测方法,其特征在于,包括:第一步、选取一定数量的正常历史数据集,对数据集进行去均值预处理,利用典型相关分析方法建立残差发生器;具体包括:步骤A1、利用历史数据库选取正常运行工况下的过程数据,分别用
表示过程的两个变量数据集,其中,l为向量u中测量变量数,m为向量y中测量变量数,N为独立采样点数;则u(i),i=1,…,N,表示向量u中l个变量在第i个采样时刻的测量值,y(i),i=1,…,N,表示向量y中m个变量在第i个采样时刻的测量值;步骤A2、对数据集进行去均值处理;对两个数据集分别进行去均值处理,使得两个数据集中的各个变量的均值为0,得到新的数据集
和
步骤A3、对数据集进行归一化处理后,估计所需的协方差矩阵:
其中,Σu,Σy和Σuy分别表示u的协方差矩阵,y的协方差矩阵和u与y的互协方差矩阵;步骤A4、根据所估计得到的协方差矩阵,建立相关矩阵Υ为:
并对相关矩阵Υ进行奇异值分解,Υ=ΓΣRT,其中,Γ为所述相关矩阵的左奇异向量,R为所述相关矩阵的右奇异向量,Σ为对角矩阵;然后利用典型相关分析技术得到第一残差发生器输出的残差信号ra和第二残差发生器输出的残差信号rb:ra=LTy‑ΣTJTu,rb=JTu‑ΣLTy其中,
第二步、采样蒙特卡罗方法分别确定所述第一残差发生器的第一阈值和第二残差发生器的第二阈值;具体包括:步骤B1、选取样本个数充分大的正常历史数据集,确定蒙特卡罗仿真次数K,并设置初始阈值
当前迭代次数s=0;步骤B2、根据蒙特卡罗仿真次数,在第s次迭代时选取K个数据集
步骤B3、将相应残差发生器的统计量表示为Js,计数函数表示为
计数函数取值为:
其中,
表示迭代s时第k个样本时刻的统计量值,
表示迭代s时统计量对应的当前阈值,
表示迭代s时第k个样本时刻的计数值;所述统计量的计算为:
其中,ra和rb分别为第一残差发生器和第二残差发生器输出的残差信号;
和
分别为第一残差发生器和第二残差发生器相应的统计量;
和
分别为相应残差信号的协方差矩阵的逆矩阵;步骤B4、对于K次蒙特卡罗仿真后,估计误报率取值:
步骤B5、如果
成立则返回当前阈值
为所需阈值,并令
若不成立则继续迭代,令
并返回步骤B3;其中,pFAR为指定的最大允许误报率,ε>0为一常量,Δ为迭代容忍度;第三步、对工业过程数据进行实时在线检测,具体包括:获取实时采集的所述向量u和所述向量y的变量数据,并根据所述第一残差发生器和所述第二残差发生器得到相应的残差信号,并分别计算相应残差信号的统计量并与相应的所述第一阈值和所述第二阈值进行比较,若所得对应第一残差发生器的统计量超过了所述第一阈值或对应第二残差发生器的统计量超过了所述第二阈值,则输出故障告警。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710623082.9/,转载请声明来源钻瓜专利网。