[发明专利]一种基于核矩阵近似的二氧化碳吸收塔故障诊断方法

说明书

本发明公开了一种基于核矩阵近似的二氧化碳吸收塔故障诊断方法，属于二氧化碳吸收塔的过程领域。本发明利用基于满秩分解的核矩阵近似方法结合典型相关分析的核学习模型，建立了一个有效的非线性过程二氧化碳吸收塔过程的故障诊断模型，并缓解了实际应用中核方法在数据样本维度较高时计算负荷大的问题，提高了二氧化碳吸收塔过程的故障检测与故障诊断的有效性和准确性，从而保证了现代流程工业的过程安全与可靠性、产品质量以及综合经济效益。

技术领域

本发明属于二氧化碳吸收塔的过程领域，尤其涉及一种基于核矩阵近似的二氧化碳吸收塔故障诊断方法。

背景技术

在大数据时代下，统计机器学习、数据挖掘等学科的热度高涨，并且这些理论目前在工业过程控制领域已取得了一些进展。在现代流程工业中，为了保证过程安全可靠、产品质量过关、经济效益最大化，故障诊断成为了工业控制系统中不可或缺的部分。对于一个实际的二氧化碳吸收塔，像温度、压力、流量等过程变量与质量变量天然具有较强非线性的数据特性，于是便需要针对测量数据的非线性进行建模。

为了达到上述的目的，二氧化碳吸收塔中常用的故障诊断方法有主成分分析(PCA)、偏最小二乘(PLS)以及它们的扩展方法等，但是这些方法对于过程数据具有的非线性特性的描述能力有限，无法对于具有强非线性的数据进行准确的建模。因此，为了对过程变量的非线性特性进行建模，引入了核方法(Kernel Method)，产生了核主成分分析(KPCA)、核偏最小二乘(KPLS)以及它们的一些扩展模型来处理数据的非线性特性。

然而，以上基于核方法的模型具有一定局限性：其核矩阵的维度等于数据样本维度，其计算复杂度会以样本维度的三次方的速度增长，在模型参数的求解中需要对核矩阵进行特征值分解，在实际的应用中其计算复杂度高、计算耗时长，所以传统的核方法的使用收到了限制。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于核矩阵近似的非线性过程二氧化碳吸收塔的故障诊断方法。首先，对采样得到的过程变量数据集进行预处理后对其使用核方法并得到核矩阵；其次，对核矩阵使用典型相关分析进行非线性模型的建立，在求解模型参数时避免对原始样本维度的核矩阵进行特征值分解，而对核矩阵采取矩阵近似，结合矩阵满秩分解后求解近似核矩阵的特征向量，以此减小计算负荷、缩短了运行时间；然后，运用上述核矩阵近似进行典型相关分析建模得到的模型参数进行故障检测；在故障被检测出来后，通过模型参数进行故障诊断，从而实现非线性过程二氧化碳吸收塔的故障诊断。

本发明的目的是通过以下技术方案来实现的：

一种基于核矩阵近似的二氧化碳吸收塔故障诊断方法，包括以下步骤：

(1)采集待检测二氧化碳吸收塔在正常运行时的数据作为训练样本，所述训练样本包括过程变量数据集X_NOC，质量变量数据集Y_NOC，其中X_NOC∈R^D×M，Y_NOC∈R^D×N，D为训练样本总数，M为过程变量总数，N为质量变量总数；

(2)对过程变量数据集X_NOC，质量变量数据集Y_NOC进行归一化预处理，得到预处理后的训练样本集和其中

(3)计算训练样本集和的核矩阵K_X和K_Y，其中K_X∈R^D×D,K_Y∈R^D×D；

(4)对核矩阵K_X和K_Y利用典型相关分析进行建模，得到核矩阵K，其中K∈R^D×D；

(5)对核矩阵K进行矩阵近似得到近似核矩阵其中对近似核矩阵进行特征值分解得到K_X和K_Y的投影矩阵P和Q；