[发明专利]一种降低工业过程故障预警误报率的方法

说明书

本发明公开了一种降低工业过程故障预警误报率的方法，该方法首先根据工业过程的工作过程和传感器分布情况，选择故障相关变量，并分类为与产品质量直接相关的变量集V₁和与产品质量非直接相关的变量集V₂；然后分别基于V₁和V₂中的变量建立模型M₁和M₂并确定控制限。预警时，对于待测数据，先将V₂的数据输入M₂，若数据异常，再将V₁数据输入M₁，若数据异常，则发出故障预警，否则均不报警。本发明将故障相关变量分类建模分析，能有效减少误报，对于降低误报率，提高工程实用性，稳定生产具有重要应用价值。

技术领域

本发明涉及工业过程故障检测，具体为一种基于数据驱动的工业过程故障预警方法。

背景技术

相较于基于机理模型的故障检测方法，基于数据驱动的故障检测方法近年来发展很快。其中，基于多元统计分析的故障检测方法，如主元分析(PCA)及其改进的动态主元分析(DPCA)、偏最小二乘(PLS)等，可以发掘出海量数据中的有用信息，大大降低过程故障检测的复杂性，尤其适用于变量众多的复杂工业过程。然而，现有的基于数据驱动的故障预警方法，往往将所有故障相关变量不加区分地统一分析建模，存在故障误报率高、实用性不强等问题。

事实上，在工业过程控制中，为了抑制外界扰动的影响，通常会对过程施加闭环反馈控制以保证过程的稳定运行。当过程运行中受到外界扰动时，为防止被控变量(往往是事关产品质量的关键参数)在扰动作用下发生较大偏差，操纵变量有时可能会发生较大变化以抑制外界扰动的影响。在这种情况下，虽然操纵变量变化较大，但被控变量并没有发生显著变化，生产过程依然可以认为是稳定的，无需进行预警提示。然而，此时如果把被控变量、操纵变量不加区分地放在一起进行预警建模分析，由于操纵变量变化较大，极易使统计量超出统计控制限SPE和T²，从而产生误报。故障预警系统误报严重影响系统的可信度，是企业运行操作中最为头痛的问题。

发明内容

针对上述问题，本发明公开一种降低工业过程故障预警误报率的方法，可针对工业过程，根据工艺将变量分为两类，并建立两个故障预警模型，综合判断是否发生故障。

本方法具有以下步骤：

(1)分析工艺过程和传感器分布情况，确定与故障相关的初始变量；

(2)将初始变量分成两个变量集：与产品质量直接相关的变量集V₁、与产品质量非直接相关的变量集V₂；

(3)选择正常工况下的历史数据，基于V₁的数据建立模型M₁并确定控制限；

(4)选择正常工况下的历史数据，基于V₂的数据建立模型M₂并确定控制限；

(5)预警时，针对每一组待测数据，先选取V₂的数据输入到模型M₂中，若低于控制限，则不发出故障预警，返回步骤(5)；否则转步骤(6)；

(6)将V₁的数据输入到模型M₁中，若低于控制限，则不发出故障预警，返回步骤(5)；否则发出故障预警。

本方法中，V₁中包含的变量为：处于闭环控制系统中与产品质量直接相关的被控变量，以及与产品质量相关的开环不受控变量。

本方法中，V₂中包含的变量为：处于闭环控制系统中与产品质量非直接相关的操纵变量。

有益效果：