[发明专利]基于相对化变换的信息增量矩阵的工业过程监控方法

说明书

技术领域

本发明属于过程监控领域，主要涉及一种基于相对化变换的信息增量矩阵的工业过程监控方法。

背景技术

现代工业过程中通常有大量的被测变量，如流速、浓度、温度、压力等。这些变量处于一定的波动范围，对于生产过程的正常运行、保证产品质量的一致性、可靠性来说是至关重要的。而对于操作人员来说，同时对大量的过程变量进行监控则是比较困难的。多变量统计过程监控对于检测和诊断各种工业过程中出现的异常状况非常有效，包括化工过程、高分子过程、微电子制造过程等。在多变量统计过程监控中常用的基于主元分析(PCA)以及相对主元分析(RPCA)的监控方法因存在严重的模式复合效应，难以解释故障由哪个变量引起, 且实时性不好。基于全局协方差矩阵的信息增量矩阵的监控方法以及在此基础上的改进—基于局部数据的移动窗口协方差矩阵的信息增量矩阵的监控方法，对于一些系统中起重要作用的变量因本身绝对值较小而不能检测出绝对值更小的故障，通常这些重要变量的很小故障又对系统的安全和稳定起着关键作用，若不能及时将其诊断并排除就会对系统的正常运行产生巨大影响，甚至会造成灾难性的事故。

发明内容

为解决上述问题，本发明提出了基于相对化变换的信息增量矩阵的工业过程监控方法。该方法首先根据系统的先验信息分析和确定各变量的重要程度，在能量守恒的准则下，赋予系统各变量相应的权值；其次将相邻两个实时更新的协方差矩阵做差运算，得到随时间变化的信息增量矩阵序列；最后计算出基于局部采样数据信息的信息增量均值与动态阈值，进而确定各变量对故障的影响程度，以实现故障诊断和识别，从而实现对整个过程的监控。其具体内容如下：

设一个多变量系统的数据矩阵                                               为

                                 (1)

其中每一行对应一个变量，每一列对应于一个采样样本，代表系统状态变量的个数，为每个变量的采样数目。

首先对原始矩阵进行相对化变换：

              (2)

                           (3)

则称式(2)是对原始数据矩阵所做的相对化处理，是相应的相对化算子，是相对化变换后的数据矩阵。式(3)中的称为比重因子，它是根据实际系统而定的先验信息，作用在上，体现了相应变量在系统中的相对重要程度。

 然后求出的均值向量

                                    (4)

和的协方差矩阵

                     (5)

假设当前时刻为，记包含有故障的采样数据时刻为，记正常采样数据(不包含故障)的时刻为，且满足

                               (6)

在时刻,从正常采样数据集中连续选取个采样数据，并形成相应的局部数据矩阵

                          (7)

当下一个时刻 即时刻到来后，就形成的相应局部数据矩阵

                          (8)

这里

                   (9)

根据公式(5)-(6)可求出和。

定义基于局部采样数据信息的局部信息增量矩阵为，计算得到

             (10)

则基于局部采样数据信息的局部信息增量均值为 

                          (11)

记固定窗口长度为的局部正常采样数据动态阈值为

                           (12)

通过比较某一时刻的局部采样数据信息的局部信息增量均值与系统动态阈值的特定关系大小即可检测系统在该时刻是否发生异常:

1)若，则表示系统在该时刻有故障发生。此时，为保证故障检测的准确性，在检测下一时刻系统是否发生故障时，要去掉当前发生故障时刻的数据，即滑动窗口位置不发生变化。                              

2)若，则表示系统该时刻没有故障发生。此时，滑动窗口继续采样，来进行下一个时刻的检测。