[发明专利]多变量工业过程故障分类方法

权利要求书

1.一种多变量工业过程故障分类方法，其特征在于，其具体步骤为：

S1、采集工业过程正常操作工况数据建立正常工况数据集X₀，标准化处理后得到正常工况数据集

S2、采用正常工况数据集进行变量相关性分析，计算过程变量之间的相关性因子RF(v_i，v_j)，其中，v_i与v_j表示过程数据的任意两个变量；

S3、根据相关性因子RF(v_i，v_j)构建无向有权图G，对无向有权图G进行广度优先遍历，并根据变量之间的相关性进行分组，利用分组构建变量自组织函数X₀′＝SA(X₀)，其中，X₀为原始过程数据，X₀′为变量顺序重新组织后的过程数据；构建变量自组织函数的具体步骤为：

S31、构建各变量之间的相关性矩阵RF，表示为：

式中，RF_ij为过程变量v_i与v_j之间的相关性因子RF(v_i，v_j)，即两变量之间的相关程度，i＝1，2，...，m，j＝1，2，...，m，m为过程变量个数；以所有的过程变量索引为顶点，遍历相关性矩阵RF构建无向有权图G，其中，仅RF_ij≥γ时表示无向有权图G中顶点i和j邻接，即无向有权图G中顶点i和j之间有一条边，权重G_ij＝RF_ij，γ为设定阈值；

S32、令k＝1，选择无向有权图G中未分组变量中相关性最强的两个过程变量v_i与v_j的索引构成集合S_k；

S33、广度优先遍历过程变量v_i与v_j的邻接变量，计算每一个邻接变量v_adj与集合S_k中变量的平均相关性因子其中n_k表示集合S_k中变量索引的个数，表示集合S_k中的第l个变量；

S34、若则邻接变量v_adj的索引归入集合S_k；反之，邻接变量v_adj等待下一轮遍历；

S35、完成一轮遍历，k＝k+1；

S36、重复步骤S32-S35，直到遍历完无向有权图G中所有变量；

S37、将无向有权图G中未分组变量与不在无向有权图G中的变量的索引组合记为S，若通过遍历无向有权图G获得B个集合，则新的变量排列可以表示为O(X₀)＝[S₁，S₂，…，S_B，S]，进一步根据O(X₀)构造变量自组织函数X₀′＝SA(X₀)，其中，X₀′＝O(X₀)；

S4、采集C类故障工况数据集{X₁，X₂，…，X_C}，并与正常工况数据集X₀构成训练数据集X_train＝{X₀，X₁，…，X_C}，标准化处理后得到训练数据集

S5、以训练数据集为输入，利用卷积神经网络建模方法构建VSACNN故障诊断模型，VSACNN故障诊断模型表示为：其中，x表示输入样本，表示模型输出，即模型针对输入样本x的故障预测类别，F(·)为一个多层的卷积神经网络函数；

S6、采集测试数据集X_test，标准化后得到测试数据集

S7、利用变量自组织函数X₀′＝SA(X₀)对测试数据集进行过程变量重排列操作得到测试数据集

S8、将测试数据集输入至VSACNN故障诊断模型，根据VSACNN故障诊断模型输出确定故障类型。