[发明专利]一种基于平行的偏最小二乘法的工业过程故障检测方法

摘要

本发明公开了一种基于平行的偏最小二乘法的工业过程故障检测方法，包括：获取正常工况下的过程数据和质量数据作为样本数据，建立平行偏最小二乘法数据模型，利用平行的偏最小二乘法将平行偏最小二乘法数据模型的输入和输出分为4个子空间：输入‑输出联合空间、不可预测输出主元空间、不可预测残差空间和输入残差空间；计算4个子空间的监测统计量指标及其控制限；获取待检测的工业过程数据和质量数据，将待检测的工业过程数据和质量数据分成4个子空间，并计算各个子空间的实际监测统计量指标，当实际监测统计量指标超过控制限，则判断待检测的工业过程发生故障。本发明对输入和输出数据进行了更合理的子空间划分，提高了故障监测的准确率。

主权项

1.一种基于平行的偏最小二乘法的工业过程故障检测方法，其特征在于，包括：(1)获取正常工况下的过程数据和质量数据作为样本数据，建立平行偏最小二乘法数据模型，平行偏最小二乘法数据模型的输入为过程数据，输出为质量数据；(2)利用平行的偏最小二乘法将平行偏最小二乘法数据模型的输入和输出分为4个子空间：输入‑输出联合空间、不可预测输出主元空间、不可预测残差空间和输入残差空间；(3)计算4个子空间的监测统计量指标，以及监测统计量指标相对应的控制限；(4)获取待检测的工业过程数据和质量数据，将待检测的工业过程数据和质量数据分成4个子空间，并计算各个子空间的实际监测统计量指标，当实际监测统计量指标超过控制限，则判断待检测的工业过程发生故障；所述步骤(1)包括：(1‑1)获取正常工况下过程数据和质量数据，为过程数据，为质量数据，其中，m为过程数据样本个数，l为质量数据样本个数，n为变量个数；(1‑2)对X和Y进行归一化处理得到样本数据，使得每个样本数据的均值为0、方差为1，将样本数据中的X作为输入，将样本数据中的Y作为输出，建立平行偏最小二乘法数据模型；所述步骤(2)包括：(2‑1)对输入X和输出Y平行的运行偏最小二乘算法，得到关联矩阵K；(2‑2)对关联矩阵K进行滤波处理，得到新的关联矩阵(2‑3)对新的关联矩阵进行奇异值分解，从而将输入X分解成两个相互正交的子空间，得到输入残差空间；(2‑4)在输出Y中除去由X预测的部分，得到3个子空间：输入‑输出联合空间、不可预测输出主元空间和不可预测残差空间。