[发明专利]基于分块分层思想的卷烟制叶丝过程多阶段分布式监测与诊断方法

摘要

本发明公开一种基于分块分层思想的卷烟制叶丝过程多阶段分布式监测与诊断方法。本发明识别卷烟制叶丝过程待机运行阶段和稳定生产阶段的不同监测需求，采用横向设备分块、纵向时间分层的思想，构建卷烟制叶丝过程Sirox增温增湿机和KLD薄板烘丝机关键设备的多阶段分布式监测模型，实现卷烟制叶丝过程单一以及并发异常的有效检测，并利用贡献图方法对异常原因进行准确识别。本发明消除了卷烟制叶丝过程待机运行阶段的监测盲区，提升了过程并发异常信息的捕捉能力，能够准确有效监测和诊断卷烟制叶丝过程关键设备不同运行阶段的单一以及并发异常。 1

主权项

1.基于分块分层思想的卷烟制叶丝过程多阶段分布式监测与诊断方法，其特征在于，该方法包括以下的步骤：

第一步：根据生产现场已有测点和设备监测需求，分别确定Sirox增温增湿机、KLD薄板烘丝机在待机运行阶段、稳定生产阶段的监测变量，如表1所示，待机运行阶段Sirox增温增湿机和KLD薄板烘丝机的监测变量数分别为序号1～5和序号1～14，稳定生产阶段Sirox增温增湿机和KLD薄板烘丝机的监测变量数分别为序号1～8和序号1～17；

表1 Sirox增温增湿机、KLD薄板烘丝机待机运行阶段和稳定生产阶段监测变量

第二步：根据生产工艺要求，分别确定Sirox增温增湿机、KLD薄板烘丝机待机运行阶段和稳定生产阶段离线建模数据的有效性判断规则；剔除制丝集控系统中该叶丝牌号的断料批次和异常批次数据，根据表2的建模数据有效性判断规则，获得Sirox增温增湿机、KLD薄板烘丝机待机运行阶段和稳定生产阶段的原始三维建模数据其中I表示批次，J表示监测变量，K表示采样点，下标SS表示Sirox增温增湿机待机运行阶段、KS表示KLD薄板烘丝机待机运行阶段、SP表示Sirox增温增湿机稳定运行阶段、KP表示KLD薄板烘丝机稳定运行阶段，监测变量的采样频率为10s/次；

表2离线建模数据的有效性判断规则

第三步：采用变量展开方式将三维数据展开为二维数据其中*取为SS或KS或SP或KP，用于区分Sirox增温增湿机、KLD薄板烘丝机待机运行阶段和稳定生产阶段；对二维矩阵内的每个变量进行减均值除标准差的数据标准化预处理，获得高质量的二维建模数据X_*(I_*K_*×J_*)；

第四步：对二维建模数据X_*进行PCA分解，分别建立Sirox增温增湿机、KLD薄板烘丝机待机运行阶段和稳定生产阶段的监测模型，获得每个模型的主元个数A_*、负载矩阵P_*和对角矩阵S_*；基于每个模型建模数据的T_*²和SPE_*统计量，利用F分布和χ²分布获得该模型的统计量控制限；

PCA分解的计算公式为：

其中，T_*为主元子空间中(I_*K_*×A_*)维的得分矩阵；P_*为主元子空间中(J_*×A_*)维的负载矩阵；E_*为残差子空间中(I_*K_*×J_*)维的残差矩阵；A_*表示主元个数，由累计贡献率方法确定；对角矩阵由建模数据X_*的协方差矩阵Σ_*＝X_*^TX_*/(I_*K_*‑1)的前A_*个特征值构成；

根据F分布计算T_*²监测统计量的控制限