[发明专利]基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法

权利要求书

1.基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法，其特征在于，包括步骤：

1)针对某一叶丝产品牌号，将制叶丝过程最初运行模态作为参考模态，采集该模态下不同生产批次的Sirox增温增湿和KLD薄板烘丝设备的运行数据；共有I_r个生产批次，每个批次内具有J个测量变量和K_ir个采样点，得到的数据可以表述为一个三维数据矩阵X_r(I_r×J×K_ir)；

2)基于平均轨迹思想将连续多个采样数据进行平滑滤波，获得有效数据矩阵X_r(I_r×J×K_ir)，采用属性展开方式将该有效数据矩阵转化为二维数据矩阵；对该二维矩阵进行均值中心化和方差归一化处理，获得参考模态下的建模数据X_r(I_rK_ir×J)；

3)对建模数据X_r(I_rK_ir×J)进行PCA分解，获得主元子空间和残差子空间的负载矩阵P_r和建立参考模态的PCA监测模型；离线计算监测模型的SPE_r监测统计量，以及一定置信度下的控制限和

4)将制叶丝过程另一种运行模态作为备选模态，采集该模态下相同叶丝产品牌号不同生产批次的Sirox增温增湿和KLD薄板烘丝设备的运行数据；共有I_a个生产批次，每个批次内具有J个测量变量和K_ia个采样点，得到的数据可以表述为一个三维数据矩阵X_a(I_a×J×K_ia)；

5)采用平均轨迹思想将连续多个采样数据进行平滑滤波，获得有效数据矩阵X_a(I_a×J×K_ia)，采用属性展开方式将该有效数据矩阵转化为二维数据矩阵；对该二维矩阵进行均值中心化和方差归一化处理，获得参考模态下的建模数据X_a(I_aK_ia×J)；

6)将建模数据X_a(I_aK_ia×J)在P_r方向上进行投影，获得参考模态的主元得分T_a；通过定义的Ratio_a,r衡量指标计算P_r中与波动有关的部分并得到与波动无关的部分

7)分别利用和对建模数据X_a(I_aK_ia×J)进行重构，获得和对数据和分别进行PCA分解，获得相应的负载矩阵P_a,f和P_a,o，建立备选模态的两个监测模型；

8)将建模数据X_a(I_aK_ia×J)在方向进行投影，获得备选模态残差子空间中的波动E_a；通过定义的Δ_a，r衡量指标计算中与波动有关的部分并得到与波动无关的部分

9)利用对建模数据X_a(I_aK_ia×J)进行重构，获得对进行PCA分解，获得相应的负载矩阵和最终的残差建立备选模态的另外两个监测模型；10)离线计算备选模态下4个监测模型的SPE_f监测统计量，根据T²指标服从F分布、SPE指标服从χ²分布，计算一定置信度下的控制限

11)在线监测时，采集和平滑滤波后获得一个有效数据，利用参考模态建模数据的均值和标准差进行标准化处理得到x_r,new(1×J)，根据参考模态PCA监测模型计算和SPE_r,new监测指标；如果两个监测指标都位于控制限以内，表明制叶丝过程处于参考模态的正常状态，如果其中至少一个监测指标超出控制限，则需利用备选模态监测模型进行进一步分析；

12)利用备选模态建模数据的均值和标准差进行标准化处理得到x_a,new(1×J)，根据备选模态4个监测模型计算SPE_f,new监测指标；如果4个监测指标都处于相应控制限以内，表明制叶丝过程处于备选模态的正常状态，如果其中至少一个监测指标超出控制限，则表明制叶丝过程处于异常状态；

13)在监测指标超出控制限的监测子空间内，计算各个过程变量对超限统计量的贡献值，其中贡献较大的变量被初步确定为造成过程和设备异常的原因变量。