[发明专利]CSTR过程中故障相关分布式正交邻域保持嵌入模型的构建方法及其故障监控方法

说明书

本发明公开了一种CSTR过程中故障相关分布式正交邻域保持嵌入模型的构建方法，包括：获取CSTR过程中m个物理量监测点监测的物理量的n个历史正常样本，应用信噪比算法挑选出与每个故障相关的变量,构成B+1个子块[X₁,…,X_B+1]，计算每个子块历史正常样本的统计量和统计量SPE_b,i(i＝1,…,n)及其控制限SPE_b,lim；在线采集CSTR过程中m个物理量监测点的物理量数据，把数据对应到B+1个子块内，计算每一个子块X_b,new的第i(i＝1,2,…,n1)个测量样本的x_b,newi统计量统计量SPE_b,newi；采用贝叶斯推理构造统计量和统计量超出其控制限时表示有故障发生。该方法考虑了CSTR过程数据的局部信息，建立分布式监控模型，提高了故障的检测率。

技术领域

本发明属于化工生产过程的故障监测技术领域，具体涉及一种CSTR过程中故障相关分布式正交邻域保持嵌入模型的构建方法及其故障监控方法，用以提高化工过程的故障监测准确率。

背景技术

连续搅拌釜式反应器(Continuous Stirred Tank Reactor，CSTR)在化学工业生产过程设备中占有很重要的地位，是发生化学反应中使用比较广泛的反应器。不论是在医学制药还是合成食品，以及半导体制造行业都有很广泛的应用。随着化学工业生产设备、原料的多样化及工艺流程的日益复杂化，各类生产安全事故也进入易发多发的高峰期；因此，CSTR过程中的故障监控也变得越来越重要。

以主成分分析为代表的多元统计过程监控(MSPM)技术，以其较强的提取有用信息的能力，已成为化工过程故障监控的研究热点。现代日益复杂的化工过程一般包含大量的生产设备和控制系统，其测量数据具有高维、强相关性，尤其是变量间普遍存在强非线性。MSPM技术并不能有效解释数据中的非线性波动，因此不能用来监控非线性化工过程。

由于CSTR过程变量之间的相关性很复杂，现有的故障监测模型通常是一个全局模型，将其作为整个过程建立全局监控模型是难以完全适应的，因其忽略了理化数据的局部行为，并且监视结果通常难以解释。

发明内容

本发明要解决的技术问题是提供一种基于故障相关分布式正交邻域保持嵌入(Fault-relevant distributed orthogonal neighborhood preserving embedding,FDONPE)模型的CSTR过程故障监控方法，以解决现有全局模型忽略理化参数或数据的局部行为所造成的故障检测率较低的技术问题。

为解决上述技术问题，本发明人基于本领域的长期实践研究，基于ONPE方法建立FDONPE模型，并将其应用到CSTR过程故障监控中，以保持过程物理参数或数据的局部特性，并能更好地提取各物理参数的分布特征和本质信息。

其中，邻域正交保持嵌(Orthogonal neighborhood preserving embedding,ONPE)算法(Liu X M,Yin J W,Feng Z L,et al.Orthogonal Neighborhood PreservingEmbedding for Face Recognition[C]//Proceedings of 2007 IEEE InternationalConference on Image,ICIP 2007.New York,2007:133-136)是一种基于几何思想来描述数据特征的维度约简算法，适用于非线性系统。

本发明所采用的具体术方案如下：

设计一种CSTR过程中故障相关分布式正交邻域保持嵌入模型的构建方法，包括以下步骤：