[发明专利]一种基于多类Probit模型的锌精馏塔故障诊断方法

权利要求书

1.一种基于多类Probit模型的锌精馏塔故障诊断方法，其特征在于，包括如下步骤：

1)通过精馏塔数据采集装置采集故障数据，并对所述故障数据进行初步的预处理；

2)运用主成分分析法PCA，提取出锌精馏塔的故障数据的主要特征信息；

3)运用基于多类Probit模型的故障分类器，将锌精馏塔的故障数据的主要特征信息作为训练样本进行分类分析；

4)运用基于多类Probit模型的故障分类器，对故障数据类型进行判别；同时，将生成的分类数据样本，输入到故障数据库进行更新，并作为历史经验对多类Probit模型的故障分类器进行训练调整，使故障类型判别的结果反复迭代更新，实现最大程度利用故障数据集；

5)为把故障类型模块的结果与故障知识库进行比对，将比对结果实时显示在人机交互界面中。

2.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法，其特征在于，所述步骤2)的流程如下：对故障数据进行标准化处理，然后求相关系数矩阵R以及R的特征值和特征向量，记为λ_i,(i＝1,2,...,p)，其对应特征向量为e_i(i＝1，2，......，p)，接着计算主成份贡献率、累计贡献率并确定主成分个数。

3.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法，其特征在于，所述步骤3)的流程如下：

3.1)所述故障数据的主要特征信息，假设服从正态分布，其分布密度函数为：

设(η1，η2)为[0,1]上均匀分布的随机变量，对于标准正态分布N(0,1)，利用二元函数变换可得到随机变量抽样值：

Ε＝(-2Inη₁)^1/2cos(2πη₂)；

则正态分布N(μ，σ²)的随机变量抽样值为：

y＝εσ+u；

结合PCA生成的锌精馏塔故障数据的主要特征信息，进行下一步计算；

3.2)依据利用蒙特卡洛法，产生符合状态变量分布的一组随机函数，即结合锌精馏塔故障数据的主要特征信息，确定多类Probit模型中参数；

具体过程如下：

3.21)构造或描述概率过程，即先构造人为的概率过程，参量即为结合锌精馏塔故障数据的多类Probit模型中的参数；

3.22)实现从已知概率分布抽样，借助于随机序列来实现；

3.23)建立各种估计量，从而从中得到多类Probit模型中参数的解。