[发明专利]基于主辅PCA模型的多变量工业过程故障检测方法

摘要

本发明涉及一种基于主辅PCA模型的多变量工业过程故障检测方法，其步骤为：对正常数据集与先验故障数据集进行标准化处理；对正常数据集建立PCA模型作为主监控模型，计算先验故障和正常数据的相对互信息，借助广义Dice对变量进行分组，对分组后的数据集建立PCA模型作为辅助监控模型，对测试数据集进行标准化处理，将测试数据集分别向主监控模型和辅助监控模型投影，并计算其投影到主监控模型和辅助监控模型的统计量，应用贝叶斯理论整合变量组的信息得到总的监控统计量，根据监控统计量是否超出控制限判断测试数据集是否发生故障。本发明不仅有效地降低部分重要先验故障信息的遗漏和浪费，还通过变量分组挖掘变量局部信息提高故障检测率，改善故障检测性能。

主权项

1.一种基于主辅PCA模型的多变量工业过程故障检测方法，含有以下步骤：(一)收集历史数据库中的正常数据集X和C类已知故障数据集F_c,c＝1,2,...,C作为训练数据集，并使用正常数据集X的均值μ和标准差σ对训练数据集X和F_c进行标准化处理，得到标准化后的训练数据集和(二)对正常数据集建立PCA模型作为主监控模型；(三)计算故障数据集相对于正常数据集的相对互信息矩阵ΔRc,c＝1,2,...,C；(四)对相对互信息矩阵ΔR_c，基于广义Dice系数对过程变量进行变量分组，获得分组后的数据集其中，B_c为变量组的个数；(五)对分组后的数据集建立PCA模型作为辅助监控模型；(六)采集测试数据集x_new，利用正常数据集X的均值μ和标准差σ对测试数据集x_new进行标准化处理，得到标准化后的测试数据集(七)将测试数据集分别向主监控模型和辅助监控模型投影，并计算测试数据集投影到主监控模型的统计量T²和SPE，测试数据集投影到辅助监控模型的统计量和SPE_c,b，通过核密度估计分别计算统计量T²的控制限统计量SPE的控制限SPE_lim、统计量的控制限和统计量SPE_c,b的控制限[SPE_c,b]_lim；(八)整合所有监控结果得到总的监控统计量和BIC_SPE，根据统计量或统计量BIC_SPE是否超出控制限判断测试数据集x_new是否发生故障。