[发明专利]基于多向正交局部保持投影的间歇过程在线故障检测方法

说明书

技术领域

本发明涉及一种间歇过程故障检测方法，特别是涉及一种多向正交局部保持投影（multiway orthogonal locality preserving projections，MOLPP）用于间歇过程的在线故障检测方法。

背景技术

    间歇过程被广泛应用于生产高质量、高附加值产品行业，如：发酵、制药、食品、化学、半导体制造业等，是一种重要的工业生产过程。因此，间歇过程的检测与故障诊断一直备受关注。然而在间歇过程采集到的信号往往具有非高斯、非线性、多模态的特性，这就对故障检测的性能提出了很高的要求。

多元统计过程控制能够有效地将检测过程中的有效信息提供给运营商，为过程故障提供早期预警，从而保证生产安全和产品高质量。多向主元分析和多向偏最小二乘极其延伸算法已被广泛研究和应用于间歇过程中的故障检测和故障诊断中。这些方法通过保留主成分使数据从高维空间降低到低维空间，改变了数据分布，但是初始特征空间中数据间的关系和相应数据流形通过这种全局变换后不能得到保持，所以在新空间中肯定会丢失初始特征空间中数据的某些信息。如何能够保证不丢失局部信息的问题，目前还没有能够较好地找到隐藏在高维观测集中更多内在有用信息的有效方法。

发明内容

本发明的目的在于提供一种多向正交局部保持投影用于间歇过程的在线故障检测方法，该方法将滑动窗口技术和正交局部保持投影（OLPP）相结合用于间歇过程在线检测，并利用核密度估计确定控制限进行过程检测，提高故障检测模型的精确度。

本发明的目的是通过以下技术方案实现的：

基于多向正交局部保持投影的间歇过程在线故障检测方法，所述方法包括以下过程：

将在生产过程中正常情况下采集到的一定量的批次数据作为建模数据的训练集，利用滑动窗口技术，在每个窗口内将三维数据展开成二维，进行标准化处理。然后在每个窗口内建立正交局部保持投影模型，找到投影矩阵，利用核密度估计计算出平方预测误差（SPE）的控制限；对于新来一个时刻k的批次样本，将数据展开成一行，利用与新来样本相对应的建模数据时刻模型的均值和方差，标准化新来数据样本。将新来时刻数据投影到正交局部保持投影的模型上，计算SPE统计量；根据统计量是否超过建模的控制限来判断该时刻的数据是否正常。如果统计量超过控制限，则该时刻的数据样本是故障的；否则是正常的。如果测试表明系统出现故障，则需要工作人员及时查明情况，排除险情。

    所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，所述建模过程包括正常状态模型、在线检测模型。对工业过程中的正常历史数据，使用多向局部保持投影模型投影到一个低维空间。将新来时刻数据投影到MOLPP的模型上，通过核密度估计的方法进行建模和在线故障检测。

所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，所述滑动窗口大小和步长的选取，遵循实践经验确定。

本发明的优点与效果是：

    1. 本发明保持了过程数据集的局部结构。传统的故障检测方法，如主元分析、核主元分析等只能保持数据的全局结构，不能够保持数据的局部结构和更多原始数据的隐含信息，造成有用信息的丢失；而本发明提出的方法可以有效提取数据的关联特征，保持了数据的原始结构信息，使得投影前两个近邻的样本在投影之后还是近邻，在过程监视中具有更好的检测结果。

2. 本发明能够降低数据误差重构方面的难度。因为运用多向局部保持投影算法得到的投影矩阵确保数据投影后的投影向量正交的,使得在计算投影之后的两个样本间的欧式距离时，相乘的两个投影矩阵为单位矩阵。若投影矩阵为A，则AA^T=I，降低了计算的复杂度，极大的提高了计算速度。

3. 本发明提高了模型精确度。滑动窗口的在线检测算法不需要预先估计未来测量值，而且能有效地进行过程监视，提高模型精确度。

4. 本发明改善了故障检测效果。利用核密度估计确定控制限不需要数据的高斯分布假设，更具有普遍性意义。因此运用核密度估计计算正常模型中SPE统计量的控制限，改善了故障检测效果。

附图说明

图1为本发明的核心算法流程图。

具体实施方式

下面结合实例对本发明进行详细说明。