一種工業(yè)過程微小故障的檢測和分離方法及其監(jiān)測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于工業(yè)過程監(jiān)控和故障診斷領(lǐng)域，具體涉及一種工業(yè)過程微小故障的檢 測和分離方法及其監(jiān)測系統(tǒng)。
【背景技術(shù)】
[0002] 現(xiàn)代工業(yè)過程規(guī)模龐大、結(jié)構(gòu)復(fù)雜，一旦過程出現(xiàn)異常便可能造成巨大的經(jīng)濟(jì)損 失，甚至危及人身安全。過程監(jiān)控和故障診斷技術(shù)可以有效地提高系統(tǒng)的可靠性、設(shè)備可維 護(hù)性以及降低事故風(fēng)險(xiǎn)，已成為當(dāng)前過程控制領(lǐng)域的研究熱點(diǎn)之一。此外，較為嚴(yán)重的故障 通常由微小故障演化而來，歷史上發(fā)生的許多重大災(zāi)難性事故也是由系統(tǒng)中微小異常未能 被及時(shí)發(fā)現(xiàn)和解決造成。因此，微小故障的危害不容忽視，對(duì)微小故障進(jìn)行及時(shí)的檢測和分 離，并采取有效的防護(hù)措施對(duì)保障工業(yè)過程安全、高效運(yùn)行具有重要意義。
[0003] 由于工業(yè)過程的復(fù)雜性不斷增加，其精確的數(shù)學(xué)解析模型通常難以獲得，從而 使得傳統(tǒng)的基于模型的故障診斷方法受到限制。而基于數(shù)據(jù)的過程監(jiān)控和故障診斷方 法無需過程精確的解析模型，只是利用過程在正常工況下的大量測量數(shù)據(jù)建立相應(yīng)的數(shù) 據(jù)模型，并將該模型應(yīng)用于在線診斷。作為基于數(shù)據(jù)故障診斷領(lǐng)域的重要分支，多元統(tǒng) 計(jì)過程監(jiān)控技術(shù)在過去的二十多年時(shí)間里取得了長足發(fā)展，并成功應(yīng)用于諸如石油化 工、半導(dǎo)體制造等工業(yè)過程。故障檢測和故障分離是過程監(jiān)控的兩個(gè)基本目標(biāo)，前者用 于判斷過程是否發(fā)生了故障，后者用于確定故障的種類或者找出發(fā)生故障的變量。在多 元統(tǒng)計(jì)過程監(jiān)控中，主元分析方法被廣泛應(yīng)用于故障檢測；重構(gòu)貢獻(xiàn)圖方法（Alcala C Fj Qin S J. Reconstruction-based contribution for process monitoring. Automati ca，2009, 45 (7) :1593-1600.)通常基于主元分析模型，用于故障檢測之后的故障分離。然 而，傳統(tǒng)的主元分析方法對(duì)微小故障的檢測性能較差，從而使得故障漏報(bào)率較高（檢測率 較低）。另外，傳統(tǒng)的重構(gòu)貢獻(xiàn)圖方法在處理微小故障分離問題時(shí)，也容易導(dǎo)致故障變量錯(cuò) 誤定位?，F(xiàn)有的微小故障診斷技術(shù)主要是對(duì)傳統(tǒng)故障檢測算法進(jìn)行改進(jìn)，從而使其對(duì)微小 故障敏感并獲得較好的檢測性能，卻很少涉及故障分離，而且有些算法的計(jì)算復(fù)雜度較高， 不利于實(shí)際應(yīng)用。因此，亟需提出一種新的故障診斷方法及其相應(yīng)的監(jiān)測系統(tǒng)實(shí)現(xiàn)對(duì)工業(yè) 過程微小故障的檢測和分離。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中存在的上述技術(shù)問題，本發(fā)明提出了一種工業(yè)過程微小故障的檢 測和分離方法，其采用如下技術(shù)方案：
[0005] -種工業(yè)過程微小故障的檢測和分離方法，包括如下步驟：
[0006] a采集工業(yè)過程正常工況下的一段傳感器測量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，并建立該訓(xùn) 練數(shù)據(jù)集的主元分析模型；
[0007] b給定合適的滑動(dòng)時(shí)間窗口寬度，計(jì)算訓(xùn)練數(shù)據(jù)集中每個(gè)樣本的每個(gè)變量具有的 改進(jìn)重構(gòu)貢獻(xiàn)值；
[0008] c確定每個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)的控制限；
[0009] d采集工業(yè)過程實(shí)時(shí)工況下的傳感器測量數(shù)據(jù)作為測試數(shù)據(jù)，測試數(shù)據(jù)中的測量 變量與步驟a中訓(xùn)練數(shù)據(jù)集的測量變量相對(duì)應(yīng)；
[0010] e計(jì)算測試數(shù)據(jù)中每個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)，并與步驟c中相對(duì)應(yīng)的控制限進(jìn)行 比較，對(duì)所述測試數(shù)據(jù)進(jìn)行故障分析；
[0011] f若步驟e中故障分析的結(jié)果為有故障發(fā)生，則將具有最大改進(jìn)重構(gòu)貢獻(xiàn)值的變 量確定為故障變量，以實(shí)現(xiàn)故障分離。
[0012] 優(yōu)選地，步驟b具體為：
[0013] 根據(jù)下式計(jì)算訓(xùn)練數(shù)據(jù)集中每個(gè)樣本的每個(gè)變量具有的改進(jìn)重構(gòu)貢獻(xiàn)值：
[0015] 式中，IRBClik的下標(biāo)i，k表示計(jì)算的是訓(xùn)練數(shù)據(jù)集中第k個(gè)樣本的第i個(gè)變量的 改進(jìn)重構(gòu)貢獻(xiàn)IRBC，其中k = 1，. . .，N表示訓(xùn)練數(shù)據(jù)集中包含N個(gè)樣本，i = 1，. . .，m表示 訓(xùn)練數(shù)據(jù)集中包含m個(gè)變量；矩陣Φ表示在計(jì)算IRBC時(shí)采用的主元分析模型中的故障檢 測指標(biāo)為組合指標(biāo)，計(jì)算方式為
為主元的負(fù)載矩 陣，F(xiàn)為殘差的負(fù)載矩陣，Λ為主元特征值矩陣，δ 2和τ 2分別為主元分析模型中故障檢測 指標(biāo)SPE和T2的控制限；ξ i表示m維單位矩陣的第i列；％表示滑動(dòng)時(shí)間窗口到達(dá)訓(xùn)練數(shù) 據(jù)集第k個(gè)樣本時(shí)，窗口寬度內(nèi)的樣本均值，求解方式如下式：
[0017] 式中，W表示給定的滑動(dòng)時(shí)間窗口寬度，Xw表示訓(xùn)練數(shù)據(jù)集中已經(jīng)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化 (使得訓(xùn)練數(shù)據(jù)集中的變量具有零均值、單位方差）后的第w個(gè)樣本。
[0018] 優(yōu)選地，所述步驟c具體為：
[0019] 根據(jù)步驟b中求取的訓(xùn)練數(shù)據(jù)集中所有樣本的第i個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)值 IRBClik, k = 1，...，N，來確定第i個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)的控制限：
[0020] 記第i個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)的控制限為上標(biāo)CL表示控制限（control limit)，也就是閾值；IRBC^依據(jù)如下邏輯取值：訓(xùn)練數(shù)據(jù)集中第i個(gè)變量的所有N個(gè)改進(jìn) 重構(gòu)貢獻(xiàn)IRBC lik, k = 1，. . .，N集合里至多允許有1%的比例超出控制限IRBCf·，其中，1% 表示顯著性水平，其數(shù)學(xué)式表示為：
[0022] 式中，Prob表示概率（比例），α =0· 01為顯著性水平，即訓(xùn)練數(shù)據(jù)集中所有樣 本的第i個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)值有99%的比例均位于控制限以內(nèi)。
[0023] 優(yōu)選地，所述步驟e具體為：
[0024] 首先計(jì)算測試數(shù)據(jù)中每個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)，如下式所示：
[0026] 式中，]RBC;7的上標(biāo)test表示測試數(shù)據(jù)中第k個(gè)樣本的第i個(gè)變量的改進(jìn)重構(gòu) 貢獻(xiàn)；if表示滑動(dòng)時(shí)間窗口包含測試數(shù)據(jù)第k個(gè)樣本時(shí)，窗口寬度內(nèi)的樣本均值，求解方 式如下式：
[0028] 式中，表示測試數(shù)據(jù)中已經(jīng)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化后的第w個(gè)樣本；
[0029] 然后，將計(jì)算得到的IRBC:與步驟c中相應(yīng)的控制限IRBCf進(jìn)行比較：
[0030] 如果測試數(shù)據(jù)中第k個(gè)樣本的第i個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)IRBC=超過相應(yīng)的控制 限IRBC^，則認(rèn)為該時(shí)刻k有異常發(fā)生；
[0031] 接下來，為了降低故障誤報(bào)率，按照如下邏輯進(jìn)行故障分析：
[0032] 在測試數(shù)據(jù)中，如果存在連續(xù)三個(gè)樣本，其某個(gè)變量i的改進(jìn)重構(gòu)貢獻(xiàn)均超過相 應(yīng)的控制限，則認(rèn)為有故障發(fā)生；否則，認(rèn)為過程處于正常工況。
[0033] 優(yōu)選地，所述步驟f具體為：
[0034] 若步驟e中故障分析的結(jié)果為有故障發(fā)生，則根據(jù)下式確定發(fā)生故障的變量：
[0036] 式中，if是被確定為發(fā)生故障的變量，在當(dāng)前時(shí)刻k該變量具有最大的改進(jìn)重構(gòu)貢 獻(xiàn)，從而實(shí)現(xiàn)了故障分離。
[0037] 此外，本發(fā)明還提供了一種工業(yè)過程微小故障的檢測和分離監(jiān)測系統(tǒng)，該監(jiān)測系 統(tǒng)采用如下技術(shù)方案：
[0038] 一種工業(yè)過程微小故障的檢測和分離監(jiān)測系統(tǒng)，包括：
[0039] 用于采集工業(yè)過程正常工況下的一段傳感器測量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，并建立該 訓(xùn)練數(shù)據(jù)集的主元分析模型的模塊；
[0040] 用于計(jì)算訓(xùn)練數(shù)據(jù)集中每個(gè)樣本的每個(gè)變量具有的改進(jìn)重構(gòu)貢獻(xiàn)值的模塊；
[0041] 用于確定每個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)的控制限的模塊；
[0042] 用于采集工業(yè)過程實(shí)時(shí)工況下的傳感器測量數(shù)據(jù)作為測試數(shù)據(jù)的模塊，其中，測 試數(shù)據(jù)中的測量變量與訓(xùn)練數(shù)據(jù)集的測量變量相對(duì)應(yīng)；
[0043] 用于計(jì)算測試數(shù)據(jù)中每個(gè)變量的改進(jìn)重構(gòu)貢獻(xiàn)，并與相對(duì)應(yīng)的控制限進(jìn)行比較， 對(duì)所述測試數(shù)據(jù)進(jìn)行故障分析的模塊；
[0044]用于將具有最大改進(jìn)重構(gòu)貢獻(xiàn)值的變量確定為故障變量，以實(shí)現(xiàn)故障分離的模 塊。
[0045] 本發(fā)明具有如下優(yōu)點(diǎn)：
[0046] 本發(fā)明中的工業(yè)過程微小故障的檢測和分離方法及其監(jiān)測系統(tǒng)，利