[发明专利]一种基于数据驱动过程监控算法改进及软件系统

说明书

技术领域

    一种涉及化工过程监控、过程质量管理的发明，尤其是涉及一种基于数据驱动过程监控算法改进及软件。

背景技术

统计过程监控的目标是通过构建统计量来识别过程故障，并通过分析故障数据来实现故障诊断，从而确保过程正常运行。传统的统计过程监控时以概率论和数理统计为基础的。在统计过程监控的早期，由于受测量技术、数据存储和数据分析技术的限制，人们只能通过测量生产过程中某些重要变量和指标来判断生产过程状态。然而在复杂的工业过程中，需要监控的变量或指标数量很多，而且之间往往存在相关关系，分别对变量或指标采用单变量统计过程监控其结果往往不可靠，多变量统计技术在这种需求下发展起来。然而，现有的过程监控方法大多还只停留在理论研究阶段，并没有在工业过程中得到广泛应用，其原因主要是实际工业过程大多比较复杂，不能满足理论研究中所作的一些假设，同时，现有方法仍然存在一些缺陷，多个统计量过程监控结果不一致，故障的漏检、误检，故障源的误识别等问题，这些问题的存在增加了系统运行的风险。

发明内容

本发明对过程监控故障检测行为进行了深入分析，研究统计量在故障发生时的变化情况，寻找有效的方法避免对故障的漏检，解决监控统计量不同一等问题，并寻找有效方法提升故障诊断的性能。基于目前的研究工作，我们发现有一些无法直接测量得到的隐变量可以包含某一过程故障的特征信息，通过对一些统计量变化趋势的测量来确定这些包含特征信息的隐变量，可以有效避免统计过程监控中有用信息的损失，提升过程监控和故障诊断效果。

过程监控改进算法大幅度提升了过程监控性能，主要包括1、减少了故障检测时间，便于及时发现过程故障，降低系统运行风险；2、降低了故障漏检率，尤其对于一些传统方法无法检测到的故障；3、有效防止有用信息的损失，为进一步的故障诊断，故障排除提供了条件。

具体实施方式

在传统统计过程监控算法的基础上对其进行了改进，大幅度提升了过程监控的性能，减少了故障检测延时时间，降低了故障漏检率，改善了故障诊断性能。

该软件集合了多种过程监控方案，包括主成分分析、因子分析以及独立成分分析等算法，界面友好，操作方便，监控性能优越，具有很高的工业应用价值。

主元分析是基于独立元分析过程监控中一种重要而且常用的白化方法,可以有效地降低监控对象的维数。其基于正常样本数据,根据主元方差贡献率选取主元,保留正常样本中的大部分方差信息,消除噪声。在PCA模型中,每个主元的T2 统计量表征着样本数据沿该主元方向的变异程度。通过对故障样本数据每个主元的T2 统计量分析,发现某些故障信息投影在方差较小且被舍弃的主元上,从而造成故障信息的损失,进而影响了ICA的监控性能,造成故障的漏检和故障源的误识别。最后,采用一个简易系统和TE 过程,验证了PCA 白化过程对ICA监控性能的影响。

主成分分析（PCA）作为一种经典的多元统计方法，在对产品进行质量管理以及综合评价中发挥着越来越重要的作用。在对数据进行PCA 变换之前，要先对数据进行均值方差标准化处理，以消除量纲等的影响。然而，对于一些变化复杂的测量变量，仅仅依靠均值方差标准化并不能很好的提取数据的主要特征， 还需要对数据进行归一化处理。