[发明专利]一种基于多类Probit模型的锌精馏塔故障诊断方法

说明书

技术领域

本发明涉及故障诊断方法领域，具体地说，特别涉及到一种基于多类Probit模型的锌精馏塔故障诊断方法。

背景技术

随着国民经济的快速发展,锌粉作为原材料越来越多地应用于冶金、化工、建筑、交通、医药、电子以及食品等领域。锌粉生产通常采用精馏塔进行精馏冷凝,该法利用不同金属的沸点不同，如锌的低沸点、高蒸气压特性,通过连续分馏和锌粉冷凝器的快速冷凝作用,将杂质金属分离，从而得到杂质含量低,粒度分布均匀,化学活性好的精锌。随着锌粉的市场需求量日益增大，锌精馏塔的正常工作在锌粉制造业中占据着重要地位，因而对精馏过程中出现的故障进行有效识别显得尤为重要。

随着锌精炼设备的数量增多，控制系统规模越来越大，结构越来越复杂。任何设备质量或设计缺陷，以及大型复杂冶炼过程控制系统中的不确定性因素和运行环境因素的影响等，都往往会造成运行设备和控制系统的可靠性降低，故障发生率高，而且故障现象、故障原因和故障类型呈现出多样化和模糊性的特点。目前，大部分精馏塔的故障诊断技术都是基于经验知识的专家系统或对设备条件要求很高的射线扫描技术，然而这些诊断方法的难点在于专家知识库的建立更新和设备的精度要求，所采集的数据难以判断复杂故障分类。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种简单易行，成本低速度快的锌精馏塔故障诊断方法，即基于多类Probit模型的锌精馏塔故障诊断方法，从而提高了故障诊断的准确度，提高锌精馏塔的可靠性和稳定性，从而实现了故障数据的分类，以及用模型进行故障预测。

本发明所解决的技术问题可以采用以下技术方案来实现：

2.一种基于多类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。

与现有技术相比，本发明的有益效果如下：