[发明专利]一种面向可控中高压光机的故障反演方法

说明书

本发明公开一种面向可控中高压光机的故障反演方法，本方法以改进收敛交叉映射方法为基础，并结合数据同质化、单纯形投影算法、全局敏感性分析算法，可以对可控中高压光机的故障转移路径进行分析，准确地预测出可控中高压光机故障异常发生的位置和时间，进而从故障发生时刻反推故障产生源，为各机、电、液、热子系统的故障溯源和损害预测提供判断依据。对比现有方法，更适用于可控中高压光机这种存在非线性、弱耦合性、相关性幻象的复杂系统的故障反演，并充分利用了可控中高压光机在运行中产生的海量数据。且可以提升造纸、无纺布、熔喷布和反渗透膜领域高端制造装备的智能化水平。

技术领域

本发明涉及工业过程异常工况诊断和反演技术领域，具体涉及一种面向可控中高压光机的故障反演方法。

背景技术

可控中高压光机是一种精度高、结构复杂、机电液热一体化控制的制造业高端装备，广泛应用于造纸行业、熔喷布(医用口罩核心材料)行业、反渗透膜(海水淡化、净水器)行业。可控中高压光机结构复杂，各子系统、各部件结合紧密，其运行状态与温度、摩擦、应力、材料等各种因素有关，涉及温控、润滑、液压、扭矩等多种部件。这些部件状态之间存在较为复杂的因果关系，单个故障可能导致连锁效应，进而影响整个生产线。如果不及时探测出设备可能发生的异常，可能导致控制部件状态退化甚至关键部件损坏，危及整个生产线，造成资源能源的浪费。

可控中高压光机的结构由机架、软辊、热辊、刮刀、引纸系统、弧形辊、张力辊、软辊端部温控系统、软辊胶面温控系统、传动系统、液压系统、热油系统、应力感知与控制系统、间距感知与控制系统、扭矩平衡及控制系统等众多子系统构成，每个子系统又包含众多相对独立或相互关联的部件。工作过程具有流程长、变量多、状态多、动态性、非线性的特点。其正常运行状态的监测变量高达百余个，且变量的结构各异、量纲不统一、数量级不一致，在日常不停机的工作过程中将产生海量的监测数据，是工业大数据的典型代表。

在当前国内外大型装备异常探测研究中，所广泛使用的异常检测应用技术主要可分为两大类，一类是基于动力学系统建模的显式方程动力学系统技术，另一类是基于机器学习的数据模型预测技术。基于显式方程动力学系统技术依赖具体的设备型号、应用环境，需要很强的先验知识，只适用于机理明确的工业过程，同时难以避免高维度系统的参数爆炸，不能适应环境和负载的变化。基于机器学习的数据预测技术，缺乏对可控中高压光机的各子系统各部件的机理描述，传统机器学习方法基于变量间相关性进行分析，而变量间相关性不等于因果性，同时制造业设备运行中的变量具有动态性、非线性、存在相关性幻象的特点，不同设备的状态变量还具有弱耦合性的特点，因此这种方法不能自动进行故障回溯分析，也不能获得最优控制和维保方案。

上述两类大型装备异常探测方法存在局限性，如何准确地预测出可控中高压光机故障异常发生的位置和时间，进而从故障发生时刻反推故障产生源，亟需提出一种新型的面向可控中高压光机的故障反演方法。

发明内容

本发明的目的是克服现有针对可控中高压光机的故障分析方法的不足，提供一种新型的基于数据驱动的故障反演方法。

考虑到可控中高压光机在运行中会产生海量的数据，同时收敛交叉映射方法是一种典型的数据驱动方法，非常适合可控中高压光机这种存在非线性、弱耦合性、相关性幻象系统的因果关系探测，本发明以改进收敛交叉映射方法为基础，结合数据同质化、单纯形投影算法、全局敏感性分析，对可控中高压光机的故障转移路径进行分析，为各机、电、液、热子系统的故障溯源和损害预测提供判断依据。

为了实现所述发明目的，本发明采用的技术方案是：一种面向可控中高压光机的故障反演方法，包括以下步骤：

S01)、根据可控中高压光机的故障结果定位故障即将发生的临界点，采集各子系统传感器在临界点至故障发生点产生的传感器数据，并对传感器数据进行同质化预处理；