[发明专利]基于多块信息提取的PCA故障诊断方法

摘要

本发明公开了一种基于多块信息提取的PCA故障诊断方法，首先，对过程变量的累计误差和变化率信息进行定义，从而能够从数据中提取新的特征信息，并基于每种特征将过程划分为3个子块；然后，利用PCA方法对每个子块进行建模与监测，通过贝叶斯方法对监测结果进行融合；最后，提出一种基于加权贡献图的故障诊断方法，分离出引发故障的源变量。本发明考虑了变量在每个时刻具有观测值、累计误差和变化率等具有实际物理意义的多个特征，并通过多块监测方法，将多种特征提取出来用于过程监测，从而有效的提升监测性能。

主权项

1.一种基于多块信息提取的PCA故障诊断方法，其特征在于，该方法步骤为：步骤1：获取正常工况数据集X0，对其进行标准化处理得到数据集X；步骤2：采用下述公式从数据集X中提取特征信息矩阵，即XI、XD；xD(t)＝x(t)‑x(t‑1)     (2)其中：t表示时刻，t＝1、2、…、T'，T'表示数据集中前T'个时刻，x(t)表示原始工况数据中标准化后t时刻的样本，xI(t)表示t时刻的累计误差信息，即矩阵XI中的第t行，xD(t)表示t时刻的变化率信息，即矩阵XD中的第t行；步骤3：分别将X、X_I、X_D划分为子块1、2、3，其中X中包含了观测值信息，X_I中包含了累积误差信息，X_D中包含了变化率信息；采用PCA方法进行监测，获取数据集X、X_I、X_D的主元空间统计量的故障控制限和残差空间统计量的故障控制限SPE_lim、SPE_Ilim、SPE_Dlim；步骤4：采集待测样本，首先采用正常工况数据集X0的均值与方差对待测样本进行标准化得到xtest，然后通过在主元空间和残差空间分别构建T2和SPE统计量对其进行监控：其中，T2表示主元空间统计量，SPE表示残差空间统计量；Λ是前k个主元所对应的特征值组成的对角矩阵，I是单位矩阵；对于标准化后的测试样本x_test，采用公式(1)、(2)重构样本信息得到包含累积误差信息的新测试样本和包含变化率信息的新测试样本步骤5：分别将x_test、对应的划分为子块1、2、3，对每个子块分别进行监测，采用前述公式(4)、(5)获得如下监测结果；包含累积误差信息的新测试样本的主元空间统计量T_I²和残差空间统计量SPE_I，以及包含变化率信息的新测试样本的主元空间统计量T_D²和残差空间统计量SPE_D；步骤6：基于贝叶斯推断方法，将各子块监测结果进行融合，获取最终融合的主元空间BIC统计量和残差空间BIC统计量BIC_SPE，当两个统计量中任一个超过了控制限即1‑β时，则判断发生了故障。