[发明专利]基于运行参数关联性分析的工业过程异常工况预测方法

说明书

本发明公开了一种基于运行参数关联性分析的工业过程异常工况预测方法，可应用于工业过程的故障预测与健康管理。本发明从工业过程运行参数之间的关联性入手，基于运行参数的关联性分析进行异常工况预测。在单参数预测阶段，本发明根据已有传感器数据通过指数平滑方法对各个运行参数进行预测。在关联性分析阶段，本发明通过已知的各运行参数值以及参数预测值计算运行参数关联性，其中参数关联性由代表参数曲线的一系列指标的相似性表示。在关联性趋势预测阶段，本发明构造多元自回归模型对参数关联性进行预测。本发明提出的方法将运行参数关联性纳入考虑，能够获得更完备的设备异常信息以及更提前的预测结果，对于工业设备的故障预测有实际意义。

技术领域

本发明属于可靠性工程技术领域，涉及一种基于运行参数关联性分析的工业过程异常工况预测方法。

背景技术

随着复杂系统的不断出现以及工业过程实时监测的需求不断增加，现代工业设备在运行过程中往往配备多个传感器对其运行状态进行监测。同时，设备运行过程中可能会出现多种故障模式，某一故障可能对应若干征兆，在此情况下，单传感器信息已无法完全体现设备运行状态，基于多传感器信息的故障预测应运而生。基于多传感器信息的故障预测旨在利用全面的传感器信息分析设备的运行状态，从而进行更可靠的设备诊断和预测。随着传感技术的持续发展，使用多个传感器进行设备的状态监测、故障诊断和预测已经成为发展趋势。

对于设备运行过程中的多个传感器，其代表的运行参数并不是独立存在的，设备的运行过程中每一运行参数的变化实际上都是对设备当前运行状态的反应。在工业设备正常运行状态下，运行参数通常比较平稳，维持在相对稳定的水平，因而运行参数的关联性也比较稳定。但当异常工况出现时，各运行参数对于异常的响应是不同的，从而导致运行参数的关联性发生变化，其关联性以及关联性变化趋势必然隐含着设备异常乃至故障的信息。

发明内容

针对现有的技术状况，本发明的目的是针对设备在运行过程中各运行参数存在关联性的问题，通过运行参数的关联性对设备运行过程的状态进行判断，通过对运行参数关联性变化趋势的预测来进行设备的异常工况预测。

现将本发明的构思阐述如下：

本发明提出一种基于运行参数关联性变化趋势的工业过程异常工况预测方法，从工业过程运行参数之间的关联性入手，通过对运行参数关联性的趋势分析进行异常工况预测。在单参数预测阶段，本发明根据已有传感器数据通过指数平滑方法对各个运行参数进行预测。在关联性分析阶段，本发明通过已知的各运行参数值以及参数预测值计算运行参数关联性，其中参数关联性由代表参数曲线的一系列指标的相似性表示。在关联性趋势预测阶段，本发明构造多元自回归模型对参数关联性进行预测。本发明提出的方法将运行参数关联性纳入考虑，能够获得更完备的设备异常信息以及更提前的预测结果。

根据以上发明构思，本发明提出一种基于运行参数关联性分析的工业过程异常工况预测方法，包括如下步骤：

步骤1：采用Holt指数平滑模型，对工业过程各传感器所采集的测量值序列进行定步长预测；

步骤2：以滑动窗口的方式，构造以工业过程运行参数变化趋势为特征的三元组，对数据窗口内的测量值序列进行表示，并通过基于欧氏距离的关联性指标计算该窗口内任意两个运行参数的关联性；

步骤3：根据已计算获得的关联性数据构造关联性预测模型，所述的关联性预测模型为多元自回归模型，并通过偏最小二乘算法估计模型参数；

步骤4：对于新获得数据，根据关联性预测模型进行设备异常工况的预测，并在预测到异常工况发生前不断更新关联性预测模型以及模型参数。

基于上述方案，各步骤可具体采用如下实现方式：

作为优选，步骤1具体如下：