[发明专利]一种基于贝叶斯理论的工业过程故障诊断方法

摘要

本发明公开了一种基于贝叶斯理论的工业过程故障诊断方法：首先采集工业过程中重要变量的数据，再对数据进行标准化，利用标准化的数据进行变量选择的模型构建，并依据吉布斯采样方法求解回归模型，获取变量对应的回归系数，利用蒙特卡罗法计算出每个变量发生故障的概率，最终通过比较，找出那些概率超过95％的变量。该方法与传统的工业过程故障诊断方法相比，其明显提高了故障诊断结果的可靠性，降低了故障误诊的机率，有利于实现复杂工业过程的在线监控，为工业过程恢复提供有效的依据。

主权项

1.一种基于贝叶斯理论的工业过程故障诊断方法，其特征在于，该方法包括以下步骤：步骤1：从工业过程中采集要关注的重要变量的数据；步骤2：对步骤1中采集的变量数据进行标准化处理，使得各变量的均值为0、方差为1；步骤3：用步骤2标准化后的数据建立如下模型：其中，X是输入矩阵，包含所采集变量的正常值和故障值；y为输出矩阵，0_N表示N行1列的全0向量，1_M表示M行1列的全1向量，N是正常样本个数，M是故障样本个数；λ是调整参数，取经验值；β是回归系数向量，β＝[β₁ ... β_J]^T，J是采集的变量的个数，||β||₁表示β的1‑范数；上标T表示矩阵的转置；步骤4：用吉布斯采样法求解式(1)，计算出回归系数β的概率密度函数p(β)；步骤5：通过核密度估计方法计算出β的95％控制限ε；步骤6：用蒙特卡罗法，计算δ_j＝P(β_j>ε)，如果δ_j>95％，则第j个变量是故障变量。