[发明专利]一种基于ICA与ACVA的故障检测方法

说明书

本发明公开了一种基于ICA与ACVA的故障检测方法，能够从时序的独立成分特征中提取出时序特征，有效解决了传统的ICA方法难以提取时序特征的问题，构建处理时序故障的故障检测方法。本发明通过提取故障的时序特征，能够得到更好的检测效果，提升了故障检测能力，适用于工业生产过程的在线监控，是一种相比现有技术更优的故障检测方法。本发明采用ICA方法求取了系统的独立成分特征，然后采用ACVA方法构建了时序模型，构建了ICA‑ACVA的故障检测方法，能够对工业生产过程中产生的故障进行精准的检测。

技术领域

本发明属于工业过程的故障检测技术领域，具体涉及一种基于ICA与ACVA的故障检测方法。

背景技术

现代工业生产已越来越规模化、复杂化，若生产过程出现故障，不仅影响产品质量，更容易对人的生命安全造成威胁。因此常常采用故障检测技术来监控工业生产状况。由于复杂的工业过程难以采用精确的机理建模方法，因而使用数据驱动技术进行故障检测的方法得到了广泛关注。数据驱动技术的思想是使用历史过程数据中的内在信息来判断当前生产过程的状况，从而实现故障的检测与诊断。由于过程数据中常常包含大量非高斯信息，因而基于独立成分分析(Independent Component Analysis，ICA)方法的数据驱动方法得到了很多研究。ICA方法主要利用数据的高阶信息实现独立成分特征的提取，然后基于这些独立特征计算相应的统计量并估计控制限，便得到故障检测模型，并通过判断新数据的统计量是否超过控制限来实现故障检测。但是在实际工业过程中，故障在随时间演变的过程，具有与正常工况不同的时序特征，所以故障均是时序故障。然而，ICA方法虽利用了多变量的相关性，却忽略了变量的自相关性，故对于多数时序故障的检测效果难以提高，尤其是对一些变换缓慢的时序故障，其检测效果比较差。本发明目的在于提高对时序故障的检测能力，提供一种基于独立成分分析(Independent Component Analysis，ICA)方法和自适应规范变量分析(Adaptive Canonical Variate Analysis，ACVA)方法结合的ICA-ACVA方法的故障检测方法，用于工业过程的故障检测。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于ICA与ACVA的故障检测方法，包括以下步骤：

S1、采集若干工业生产系统的工作信号作为样本信号，并对样本信号进行标准化，得到标准化样本矩阵；

S2、根据标准化后的工作信号，使用快速ICA算法求解ICA模型，得到解混矩阵；

S3、使用解混矩阵对ACVA模型求解，分别得到规范空间和规范残差空间的右奇异矩阵；

S4、根据规范空间和规范残差空间的右奇异矩阵，获取规范变量和规范残差变量；

S5、分别利用规范变量和规范残差变量获取第一统计量，并根据第一统计量预估控制限；

S6、采集t_new时刻工业生产系统的工作信号，使用步骤S1-S4的方法获取t_new时刻及其过去时刻工作信号的第二统计量；

S7、判断第二统计量是否超出其控制限，若是，则判定为故障状态，否则判定为正常状态。

进一步地，所述步骤S1包括以下分步骤：

S1.1、采集n个时刻的工作信号作为样本信号，得到n个m维的测量向量；

S1.2、将n个测量向量按照采样时刻进行升序排列，得到数据矩阵X＝[x(1),x(2),...,x(r),...,x(n)]，x(r)表示第r时刻得到的测量向量，r＝1,2,...,n；

S1.3、对数据矩阵X中测量向量进行标准化，得到标准化的样本矩阵表示第r时刻标准化后的测量向量。

进一步地，所述步骤S2包括以下分步骤：