基于方向核偏最小二乘的工業(yè)過(guò)程故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于工業(yè)過(guò)程的故障監(jiān)測(cè)與診斷技術(shù)領(lǐng)域，具體涉及基于方向核偏最小二 乘的工業(yè)過(guò)程故障診斷方法。
【背景技術(shù)】
[0002] 隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展，特別是計(jì)算機(jī)科學(xué)水平與控制水平的飛速提高， 現(xiàn)代工業(yè)過(guò)程越來(lái)越呈現(xiàn)出大型化、復(fù)雜化、整體化、高速化的形式。在提高工業(yè)過(guò)程生產(chǎn) 效率和產(chǎn)量的同時(shí)，如何提高工業(yè)過(guò)程系統(tǒng)的安全性、可靠性，防止和杜絕影響系統(tǒng)正常運(yùn) 行的故障的發(fā)生和發(fā)展就成為一個(gè)重要的有待解決的問(wèn)題。過(guò)程監(jiān)測(cè)就是一門為了解決這 類問(wèn)題而發(fā)展起來(lái)的技術(shù)。其目的一方面在于通過(guò)監(jiān)測(cè)系統(tǒng)的行為和特性，加深對(duì)系統(tǒng)的 了解，以便更好地控制系統(tǒng)，提高產(chǎn)品的產(chǎn)量和質(zhì)量，提高經(jīng)濟(jì)效益；另一方面在于避免了 系統(tǒng)的故障、設(shè)備的損壞和人員的傷亡，減少故障所帶來(lái)的經(jīng)濟(jì)損失，提高產(chǎn)業(yè)的經(jīng)濟(jì)和社 會(huì)效益。傳統(tǒng)的偏最小二乘（PLS)建模、監(jiān)測(cè)與診斷方法雖然應(yīng)用廣泛，但其方法本身仍然 存在一些問(wèn)題，阻礙了生產(chǎn)過(guò)程的精確建模與準(zhǔn)確監(jiān)測(cè)。第一個(gè)問(wèn)題是PLS的殘差中仍然 包含與輸入變量有關(guān)的變異。由于輸出相關(guān)變異的存在且沒(méi)有被解釋利用，PLS在監(jiān)測(cè)和 診斷與輸出變量有關(guān)的故障時(shí)具有局限性，不能達(dá)到最好的效果。第二個(gè)問(wèn)題是PLS殘差 空間中的變異量很大，不適合用平方預(yù)測(cè)誤差（SPE)監(jiān)測(cè)統(tǒng)計(jì)量對(duì)其進(jìn)行監(jiān)測(cè)。這是由于 PLS主元不是按照方差大小排列，很多包含大方差的主元被留到了 PLS殘差子空間中。因 此，PLS殘差子空間中的變異必須被減少。傳統(tǒng)的主元分析（PCA)故障重構(gòu)方法是將故障 數(shù)據(jù)空間分解成兩個(gè)互相垂直的子空間，主元子空間和殘差子空間。PCA是保持最主要的數(shù) 據(jù)分布方向，這些方向可以有效表示數(shù)據(jù)分布特征，但是PCA模型只是研宄了故障數(shù)據(jù)的 內(nèi)部關(guān)系，不能夠有效隔離數(shù)據(jù)中的故障信息和正常信息，而且基于PCA的重構(gòu)對(duì)于關(guān)注 產(chǎn)品質(zhì)量的生產(chǎn)過(guò)程適應(yīng)性較差。另外實(shí)際工業(yè)過(guò)程中，變量之間往往呈現(xiàn)出非線性特征， 利用傳統(tǒng)的線性方法進(jìn)行重構(gòu)也是不能達(dá)到滿意的效果，所以需要對(duì)傳統(tǒng)重構(gòu)方法進(jìn)行改 進(jìn)，提高故障診斷水平。

【發(fā)明內(nèi)容】

[0003] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出基于方向核偏最小二乘的工業(yè)過(guò)程故障診斷方 法。
[0004] 本發(fā)明技術(shù)方案如下：
[0005] 基于方向核偏最小二乘的工業(yè)過(guò)程故障診斷方法，包括以下步驟：
[0006] 步驟1 :獲取易出故障的工業(yè)過(guò)程的輸入變量和輸出變量的歷史正常數(shù)據(jù)，對(duì)該 歷史正常數(shù)據(jù)進(jìn)行基于方向核偏最小二乘運(yùn)算，令歷史正常輸入數(shù)據(jù)映射的高維特征空間 F的PLS殘差中有i個(gè)主元，求得該高維特征空間F的PLS殘差中與輸出變量相關(guān)的變異民 及其主元?；，則獲得歷史正常數(shù)據(jù)新的高維特征空間F的主元Td= [T，TJ，計(jì)算歷史正常 數(shù)據(jù)的霍特林統(tǒng)計(jì)量€和歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd，并計(jì)算歷史正常數(shù)據(jù)的霍特 林統(tǒng)計(jì)量g的控制限和歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd的控制限；
[0007] 步驟I. 1 :獲取易出故障的工業(yè)過(guò)程的輸入變量和輸出變量的歷史正常數(shù)據(jù)：對(duì)m 個(gè)歷史正常數(shù)據(jù)進(jìn)行η次采樣，得到歷史正常輸入數(shù)據(jù)矩陣X和歷史正常輸出數(shù)據(jù)矩陣y ;
[0008] 步驟1. 2 :對(duì)歷史正常輸入數(shù)據(jù)矩陣X和歷史正常輸出數(shù)據(jù)矩陣y進(jìn)行標(biāo)準(zhǔn)化處 理，得到預(yù)處理后的歷史正常輸入數(shù)據(jù)X和預(yù)處理后的歷史正常輸出數(shù)據(jù)Y ;
[0009] 步驟1. 3 :選取非線性變換Φ (X)，將預(yù)處理后的歷史正常輸入數(shù)據(jù)X映射到歷史 正常輸入數(shù)據(jù)的高維特征空間F，利用徑向基內(nèi)積核函數(shù)，求出歷史正常輸入數(shù)據(jù)的初始核 矩陣K1;
[0010] 步驟1. 4 :對(duì)預(yù)處理后的歷史正常輸入數(shù)據(jù)X和預(yù)處理后的歷史正常輸出數(shù)據(jù)Y 進(jìn)行KPLS運(yùn)算，求得預(yù)處理后的歷史正常輸入數(shù)據(jù)X的PLS主元T、預(yù)處理后的歷史正常輸 出數(shù)據(jù)Y的PLS主元U和經(jīng)過(guò)α次迭代后使預(yù)處理后的歷史正常輸出數(shù)據(jù)Y的PLS主元 U收斂的歷史正常輸出數(shù)據(jù)的核矩陣Κα+1;
[0011] 步驟1. 5 :令高維特征空間F的PLS殘差中有i個(gè)主元，求得高維特征空間F的PLS 殘差中與輸出變量相關(guān)的變異民及其主元，則獲得新的高維特征空間F的主元Td= [T， TJ ；
[0012] 步驟1.6 :計(jì)算歷史正常數(shù)據(jù)的霍特林統(tǒng)計(jì)量rrf2和歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤 差SPEd，并計(jì)算歷史正常數(shù)據(jù)的霍特林統(tǒng)計(jì)量Γ/的控制限和歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤差 SPEd的控制限。
[0013] 步驟2 :采集工業(yè)過(guò)程的輸入變量的采樣數(shù)據(jù)，對(duì)該采樣數(shù)據(jù)進(jìn)行基于方向核偏 最小二乘運(yùn)算，令采樣數(shù)據(jù)映射的高維特征空間Fmw的PLS殘差中有i個(gè)主元，求得該高維 特征空間Fnrat的PLS殘差中與輸出變量相關(guān)的變異E 及其主元T nnOT，則獲得采樣數(shù)據(jù)新 的高維特征空間Fmw的主元T d,n"= [TnOT，TnnJ，計(jì)算采樣數(shù)據(jù)的過(guò)程監(jiān)測(cè)統(tǒng)計(jì)量和采 樣數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd,new;
[0014] 步驟2. 1 :采集工業(yè)過(guò)程的輸入變量的采樣數(shù)據(jù)：對(duì)m個(gè)采樣數(shù)據(jù)進(jìn)行η次采樣， 得到采樣數(shù)據(jù)矩陣Xnew，并對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理，得到預(yù)處理后的采樣數(shù)據(jù)Xnew;
[0015] 步驟2. 2 :利用非線性變換Φ (X)將預(yù)處理后的采樣數(shù)據(jù)Xnew映射到采樣數(shù)據(jù)的高 維特征空間Fnrat，利用徑向基內(nèi)積核函數(shù)，求出采樣數(shù)據(jù)的初始核矩陣Kmw,1;
[0016] 步驟2. 3 :對(duì)預(yù)處理后的采樣數(shù)據(jù)Xnew進(jìn)行KPLS運(yùn)算，求得預(yù)處理后的采樣數(shù)據(jù) Xmw的主元Tmw和經(jīng)過(guò)α次迭代后的采樣數(shù)據(jù)的核矩陣Kmw, α+1;
[0017] 步驟2. 4 :令采樣數(shù)據(jù)的高維特征空間Fnrat的PLS殘差中有i個(gè)主元，求得該高維 特征空間Fnrat的PLS殘差中與輸出變量相關(guān)的變異E 及其主元T nnOT，獲得采樣數(shù)據(jù)的新 的高維特征空間Fnew的主元T d,n"= [T nOT，I；,nOT];
[0018] 步驟2. 5 :計(jì)算采樣數(shù)據(jù)的過(guò)程監(jiān)測(cè)統(tǒng)計(jì)量和采樣數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd, new °
[0019] 步驟3 :當(dāng)采樣數(shù)據(jù)的過(guò)程監(jiān)測(cè)統(tǒng)計(jì)量7^_超出歷史正常數(shù)據(jù)的過(guò)程監(jiān)測(cè)統(tǒng)計(jì)量 g的控制限或者采樣數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd, new超出歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤差SPE d的控制限，則該采樣數(shù)據(jù)中具有一種故障，執(zhí)行步驟4,否則，將該采樣數(shù)據(jù)視為正常數(shù)據(jù)；
[0020] 步驟4:獲取已知故障類型的歷史故障數(shù)據(jù)，對(duì)已知故障類型的歷史故障數(shù)據(jù)進(jìn) 行基于霍特林統(tǒng)計(jì)量重構(gòu)和基于平方預(yù)測(cè)誤差重構(gòu)，判斷采樣數(shù)據(jù)的故障類型；
[0021] 步驟4. 1 :獲取已知故障類型的L種歷史故障數(shù)據(jù)Xf>1，Xf,2, . . .，Xfa;
[0022] 步驟4. 2 :選取已知故障類型的L種歷史故障數(shù)據(jù)中的第1類歷史故障數(shù)據(jù)Xf, p 1 = 1，2, ...，L，將高維特征空間的歷史正常輸入數(shù)據(jù)Φ (X)沿著高維特征空間的第1類 歷史故障數(shù)據(jù)Φ (Xf, 〇的故障方向進(jìn)行重構(gòu)，重構(gòu)出高維特征空間的第1類歷史故障數(shù)據(jù) Φ (XfJ出現(xiàn)故障的主元方向；
[0023] 步驟4. 3 :對(duì)第1類歷史故障數(shù)據(jù)Xf,i進(jìn)行基于霍特林統(tǒng)計(jì)量重構(gòu)，計(jì)算第1類歷 史故障數(shù)據(jù)Xf, i的新的霍特林統(tǒng)計(jì)量的正常部分負(fù)載向量\獲得第1類歷史故障數(shù)據(jù)重 構(gòu)后的霍特林統(tǒng)計(jì)量的正常部分Ep,1;
[0024] 步驟4. 4 :對(duì)第1類歷史故障數(shù)據(jù)Xfa進(jìn)行基于平方預(yù)測(cè)誤差重構(gòu)，計(jì)算第1類歷 史故障數(shù)據(jù)Xf, i的新的平方預(yù)測(cè)誤差的正常部分負(fù)載向量獲得第1類歷史故障數(shù)據(jù)重 構(gòu)后的平方預(yù)測(cè)誤差的正常部分Εε,1;
[0025] 步驟4. 5 :將采樣數(shù)據(jù)代入第1類歷史故障數(shù)據(jù)重構(gòu)后的霍特林統(tǒng)計(jì)量的正常部 分，得到采樣數(shù)據(jù)相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的霍特林統(tǒng)計(jì)量的正常部分EpImw，將采樣數(shù) 據(jù)相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的霍特林統(tǒng)計(jì)量的正常部分Ep,Uot進(jìn)行基于方向核偏最小二 乘運(yùn)算，得到采樣數(shù)據(jù)相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的霍特林統(tǒng)計(jì)量的正常部分Ep,的主 ^ ^pd, I, new [T p, 1，new，Tpr, ]_，new];
[0026] 步驟4. 6 :計(jì)算相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的采樣數(shù)據(jù)的正常部分的霍特林統(tǒng)計(jì) 里上p，/，new . *
[0027] 步驟4. 7 :將采樣數(shù)據(jù)代入第1類故障數(shù)據(jù)重構(gòu)后的平方預(yù)測(cè)誤差的正常部分，得 到采樣數(shù)據(jù)相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的平方預(yù)測(cè)誤差的正常部分氏,
[0028] 步驟4. 8 :計(jì)算相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的采樣數(shù)據(jù)的正常部分的平方預(yù)測(cè)誤 差 SPEeIliew;
[0029] 步驟4. 9 :當(dāng)相對(duì)第1類故障數(shù)據(jù)重構(gòu)后的采樣數(shù)據(jù)的正常部分的霍特林統(tǒng)計(jì)量 在第1類故障數(shù)據(jù)對(duì)應(yīng)的霍特林統(tǒng)計(jì)量的控制限以下，同時(shí)相對(duì)第1類故障數(shù)據(jù)重構(gòu) 后的采樣數(shù)據(jù)的正常部分的平方預(yù)測(cè)誤差SPEu^w在第1類故障數(shù)據(jù)對(duì)應(yīng)的平方預(yù)測(cè)誤差 控制限以下時(shí)，則該采樣數(shù)據(jù)的故障類型為第1類故障，否則，該采樣數(shù)據(jù)的故障類型不是 第1類故障，重新選擇故障類型1，返回步驟4. 2。
[0030] 本發(fā)明的有益效果是：
[0031] 本發(fā)明提出的基于方向核偏最小二乘的工業(yè)過(guò)程故障診斷方法，解決了傳統(tǒng)方法 中殘差空間中存在質(zhì)量相關(guān)變異以及變異量很大的問(wèn)題，提高了對(duì)于非線性數(shù)據(jù)故障的檢 測(cè)能力，解決了非線性系統(tǒng)的故障診斷問(wèn)題。結(jié)果表明，對(duì)于關(guān)注產(chǎn)品質(zhì)量的非線性過(guò)程， 基于方向核偏最小二乘的監(jiān)測(cè)效果更好?；诜较蚝似钚《斯收现貥?gòu)方法能夠有效得 到故障數(shù)據(jù)的故障主元方法和故障方向，以及重構(gòu)恢復(fù)后的正常數(shù)據(jù)，能夠使得統(tǒng)計(jì)量超 限現(xiàn)象快速消除。
【附圖說(shuō)明】
[0032] 圖1為本發(fā)明【具體實(shí)施方式】中的基于方向核偏最小二乘的工業(yè)過(guò)程故障診斷方 法的流程圖；
[0033] 圖2為本發(fā)明【具體實(shí)施方式】中的計(jì)算歷史正常數(shù)據(jù)的霍特林統(tǒng)計(jì)量g的控制限和 歷史正常數(shù)據(jù)的平方預(yù)測(cè)誤差SPEd的控制限的流程圖；
[0034] 圖3為本發(fā)明【具體實(shí)施方式】中的計(jì)算采樣數(shù)據(jù)的過(guò)程監(jiān)測(cè)統(tǒng)計(jì)量和采樣數(shù)據(jù)