[发明专利]发电过程控制系统故障检测方法

权利要求书

1.一种发电过程控制系统故障检测方法，其特征在于，所述方法包括：

用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W₀；

用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H；

构造基于非负矩阵分解的监控统计量和SPE_n，利用核密度估计法分别计算监控统计量和SPE_n的概率密度函数PDF，设置显著水平并分别求取统计量和SPE_n的控制限；

利用所述权重系数矩阵H和经过数据处理之后的测试矩阵X_test计算得出所述测试矩阵X_test基矩阵的近似值分别计算所述测试矩阵X_test的监控统计量和SPE_n，并与相应的所述控制限比较，超过所述控制限则表明有故障发生；

其中，所述用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H，包括：

将主元分解得到的基矩阵初始值W₀标准化；

在传统的交替最小二乘法中引入两个稀疏因子，通过增加所述两个稀疏因子的提高所述基矩阵W和权重系数矩阵H的稀疏程度；

运用带非负约束的交替最小二乘法求解所述基矩阵W和权重系数矩阵H。

2.根据权利要求1所述的方法，其特征在于，所述用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W₀，包括：

采集一个系统正常运行时的样本集合矩阵作为所述训练矩阵X，X∈R^n×m，n为数据样本个数，m为变量个数；

对所述训练矩阵X进行数据预处理：用带有遗忘因子的递推方法对数据样本进行降噪；对降噪后的所述训练矩阵X做标准化处理；

采用PCA方法对所述训练矩阵X进行矩阵分解；

采用基于故障信噪比确定所述得分矩阵T的主元个数a，并求得所述得分矩阵T，即基矩阵W的初始值W₀。

3.根据权利要求1所述的方法，其特征在于，所述构造基于非负矩阵分解的监控统计量和SPE_n，利用核密度估计法分别计算监控统计量和SPE_n的概率密度函数，包括：

对所述基矩阵W进行重构，定义重构后的基矩阵为：其中，H为权重系数矩阵，T为得分矩阵，λ_W为稀疏因子；

基于NMF的监控模型将所述训练矩阵X描述为E为残差矩阵；

定义基于NMF的监控统计量和SPE_n：其中，表示一个样本向量的重构值，I表示a×a的单位矩阵，a为所述得分矩阵T的主元个数；

采用所述核密度估计法估计所述监控统计量和SPE_n的PDF，采用高斯核函数为核函数，带宽由广义交叉熵算法求取。

4.根据权利要求1所述的方法，其特征在于，所述采用所述核密度估计法估计所述监控统计量和SPE_n的PDF，包括：

定义训练矩阵X的密度函数f(x)的估计形式为：其中，n是数据样本个数，h是带宽，K(·)是核函数，满足：u表示变量，x表示需要求概率密度函数的变量的数值，x_i表示数列元素；

使下列Csiszár测度达到最小值，即：其中，p(x)为给定数据的先验分布概率，若先验概率未知，则p(x)＝1，g(x)是的另一种表现形式，λ＝[λ₁,…,λ_n]^T为拉格朗日乘子；

根据求解得到广义交叉熵问题中带宽的解h^*，其中，C为n×n方阵，其元素为熵值，

C和均为带宽h和数据x的函数；

通过将h^*带入式计算h_opt；

根据h_opt以及式计算得到密度函数f(x)，密度函数f(x)即为要估算的PDF。