[发明专利]基于时间约束的核稀疏表示的多模态过程监控方法及系统

说明书

本发明公开了一种基于时间约束的核稀疏表示的多模态过程监控方法及系统，属于多模态过程监控领域，所述方法包括：根据待识别模态的训练样本集，选取窗口大小，计算时间加权矩阵；求解训练样本集的稀疏系数矩阵；对稀疏系数矩阵进行模态划分，得到训练样本集的模态辨识结果；从每个模态中选择具有代表性的样本，组成新的字典矩阵；计算在线新样本的稀疏系数向量，判断在线新样本所属模态；判断在线新样本是否为故障。本发明考虑了工业过程变量之间的时间相关性，得到更为准确的模态辨识结果；选取每个模态具有代表性的样本，得到更为准确的故障检测结果。

技术领域

本发明属于多模态过程监控领域，更具体地，涉及一种基于时间约束的核稀疏表示的多模态过程监控方法及系统。

背景技术

在现代工业过程中，生产规模日益增大，过程中的复杂性和不确定性也随之大大增加。对于这样高度复杂的工业过程，微小的故障就有可能导致整个系统的大规模瘫痪，甚至造成惨重的爆炸爆燃事故。因此，为了提高生成过程的安全性、稳定性和可靠性，过程监控十分必要。而在实际生成过程中，多模态特性普遍存在。不同于单模态过程，多模态过程具有多个稳定工作点，不同模态之间变量的统计特性具有较大差异。而在多模态过程中，由于工业系统的复杂机理，数据往往具有非线性分布，呈现一种非线性特性。如何对非线性多模态过程进行监控具有重大生产意义。

常用的多变量统计过程监控方法不仅无需过程先验知识，而且无需过程精确的数学模型，常用于过程建模，故障检测等。但传统的诸如主成分分析(PCA)和偏最小二乘法(PLS)方法，都假设过程有单个操作模态且无法用于非线性分布过程。

针对非线性多模态过程监控问题，许多学者提出了改进的PCA/PLS方法。整体建模的方法虽然模型简单，但无法准确地对每个模态进行刻画，缺乏模态的局部信息。单个建模的方法对每个模态分别建立相应的模型，以实现更为准确的过程监控。模态辨识是单个建模方法的基础，常见的模态辨识方法诸如聚类算法，无法对在线样本进行模态辨识。且故障检测方法需要依赖于其他算法，虽然对离线训练样本可以实现较好的模态辨识结果，但在线应用受到限制。

由此可见，现有技术存在无法在线模态辨识，且无法将在线模态辨识和故障检测相互结合起来的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于时间约束的核稀疏表示的多模态过程监控方法及系统，由此解决现有技术存在无法在线模态辨识，且无法将在线模态辨识和故障检测相互结合起来的技术问题。

为实现上述目的，一方面，本发明提供了一种基于时间约束的核稀疏表示的多模态过程监控方法，包括：

(1)采集不同模态的正常数据，构成训练样本集Y；

(2)根据所述训练样本集Y，选取窗口大小l，计算时间加权矩阵W；

(3)基于所述时间加权矩阵W，求解所述训练样本集Y的稀疏系数矩阵C；

(4)对所述稀疏系数矩阵C进行模态划分，得到所述训练样本集Y的模态辨识结果；

(5)基于所述模态辨识结果，从每个模态中选择代表样本，组成新的字典矩阵，所述代表样本为所述训练样本集Y中用于核稀疏表示次数较多的样本；

(6)计算在线新样本y_new在新的字典矩阵下的稀疏系数向量c_new；

(7)基于所述稀疏系数向量c_new，计算在线新样本y_new属于第i个模态的后验概率post_pⁱ，并判断在线新样本y_new所属的模态；

(8)计算在线新样本y_new的监控统计量值，从而判断在线新样本y_new是否为故障。

进一步地，所述步骤(2)中，