[发明专利]一种基于加权关键主元的工业过程故障检测方法及系统

权利要求书

1.一种基于加权关键主元的工业过程故障检测方法，其特征在于，包括以下步骤：

S1：获取正常工况下的设备样本数据，构建得分矩阵并计算得分矩阵的局部离群因子值，获取设备的控制限；

S2：在线采集设备的样本数据，获取其海林格距离变化率，基于海林格距离变化率构建加权得分矩阵，计算加权得分矩阵的局部离群因子值，判断加权得分矩阵的局部离群因子值是否大于设备的控制限，若是，判断设备发生故障，否则，判断设备正常，返回步骤S2。

2.根据权利要求1所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的步骤S1具体包括：

S11：采集正常工况下的样本数据，并进行标准化，获取原始数据矩阵；

S12：基于全变量表达方法获取关键主元及关键主元对应的负载向量，构建得分矩阵；

S13：将得分矩阵输入到局部离群因子算法，并利用核密度估计方法确定设备的控制限。

3.根据权利要求2所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的步骤S12的得分矩阵为：

T_key＝[t₁,t₂,…,t_f]∈R^n×f

其中，T_key为得分矩阵，t_f为第f个关键主元的得分向量，n为样本数量。

4.根据权利要求1所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的步骤S2具体包括：

S21：在线采集设备的样本数据，并进行标准化，获取在线样本数据矩阵；

S22：构建在线样本数据矩阵的得分矩阵；

S23：计算在线数据样本的海格林距离变化率，计算权重阈值并赋予得分向量相应权重，形成加权得分矩阵；

S24：将加权得分矩阵输入到局部离群因子算法，获取加权得分矩阵的局部离群因子值，判断加权得分矩阵的局部离群因子值是否大于设备的控制限，若是，判断设备发生故障，否则，判断设备正常，返回步骤S21。

5.根据权利要求4所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的海林格距离变化率可以表示成单个得分向量与所有得分向量平均值的海林格距离二次型比上该统计量的平均值：

其中，为第j个得分向量的海林格距离变化率，为第j个得分向量的海林格距离的二次型统计量，为所有得分向量海林格距离的二次型统计量的平均值，j＝1,2,…,f。

6.根据权利要求4所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的S23中通过3σ法则来确定权重阈值：

γ＝M+Lη

其中，γ为权重阈值，海林格距离变化率的数值服从均值为M、标准差为η的高斯分布，L为预警宽度。

7.根据权利要求4所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的步骤S23中权重的公式为：

其中，为第j个得分向量的权重，γ为权重阈值，为海林格距离变化率，α为权重值。

8.根据权利要求4所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的加权得分矩阵的计算公式为：

其中，T_w为加权得分矩阵，T_key(new)为在线样本数据的得分矩阵，W为加权矩阵，t_f,new为第在线样本数据中第f个关键主元的得分向量，为第j个得分向量的权重，j＝1,2,…,f。

9.根据权利要求8所述的一种基于加权关键主元的工业过程故障检测方法，其特征在于，所述的在线样本数据中第j个关键主元的得分向量为：

其中，为第j个关键主元所对应的负载向量的转置，x_new为在线检测阶段的新样本。

10.一种基于加权关键主元的工业过程故障检测系统，其特征在于，包括离线计算模块和在线检测模块，

所述的离线计算模块获取正常工况下的设备样本数据，构建得分矩阵并计算得分矩阵的局部离群因子值，获取设备的控制限；

所述的在线检测模块在线采集设备的样本数据，获取其海林格距离变化率，基于海林格距离变化率构建加权得分矩阵，计算加权得分矩阵的局部离群因子值，判断加权得分矩阵的局部离群因子值是否大于设备的控制限，若是，判断设备发生故障，判断设备正常，继续在线采集。