專利名稱：化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及化工生產(chǎn)技術(shù)過程的監(jiān)視與故障診斷，特別是涉及一種基 于過程的控制系統(tǒng)的現(xiàn)場采樣數(shù)據(jù)進行過程的控制、監(jiān)視以及故障診斷的 技術(shù)方法。
背景技術(shù)：
化工生產(chǎn)過程的過程控制、監(jiān)視以及故障診斷是化工生產(chǎn)過程平穩(wěn)、 安全、可靠運行的重要保證。傳統(tǒng)的過程控制是首先根據(jù)過程反應(yīng)機理建 立過程的數(shù)學(xué)模型，應(yīng)用控制算法進行過程的控制，由于化工過程的復(fù)雜 性、多變性以及模型的不確定性，使得控制的準(zhǔn)確性難以保障。隨著計算 機技術(shù)、網(wǎng)絡(luò)技術(shù)和通訊技術(shù)的發(fā)展，基于統(tǒng)計過程分析的方法進行過程 控制、監(jiān)視以及故障診斷得到應(yīng)用。在過程大量變量的樣本空間中進行數(shù) 據(jù)特征的提取，這樣只對測量變量進行信息處理，大量的控制變量、操作 變量信息未被采用，使得信息大量丟失，影響了數(shù)據(jù)處理的準(zhǔn)確性與可靠 性，同時影響了過程控制以及故障診斷的性能。將語言識別技術(shù)應(yīng)用到故 障信息匹配中，使故障的識別更加合理和可靠。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種化工生產(chǎn)混合故障信息提取與匹配的技術(shù) 方法，是一種新的故障分離方法，用統(tǒng)計相關(guān)混合信息分析、動態(tài)時間規(guī) 整技術(shù)對化工過程的控制、監(jiān)視及故障診斷進行改進，進一步提高過程監(jiān) 視與控制的水平，使化工過程的故障診斷的準(zhǔn)確性與可靠性得到提高。本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的
化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法，首先釆集現(xiàn)場的測量
變量Var，控制變量Con，操作變量Ope，建立統(tǒng)計數(shù)據(jù)庫，并將相關(guān)回路的 變量進行對應(yīng)形成數(shù)據(jù)矩陣，通過數(shù)據(jù)的量化標(biāo)準(zhǔn)后使其均值為0方差為 1;提取主元信息量，其中包括控制參量的全部信息的主要因子，在正常的 過程中建立統(tǒng)計過程診斷樣本庫，新的過程樣本經(jīng)過同樣的過程與診斷樣 本庫的模式進行匹配；計算局部距離、標(biāo)準(zhǔn)總體距離和最短標(biāo)準(zhǔn)總體距離， 確定故障的信息點。
所述的化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法，其混合過程采集 的全部相關(guān)信息，并建立統(tǒng)計過程診斷庫，使信息得到豐富。
所述的化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法，其采用語言識別 的模式匹配解決方案進行故障的跟蹤與識別。 本發(fā)明的優(yōu)點與效果是
1. 本發(fā)明將測量變量、控制變量和操作變量作為主元的混合信息來 源，使信息資源更全面、準(zhǔn)確，使正常信息與故障信息的容量增加，提高 了控制與診斷的性能。
2. 本發(fā)明建立系統(tǒng)的正常數(shù)據(jù)和故障混合信息的樣本庫，基于動態(tài)時 間規(guī)整技術(shù)對過程的實時采樣數(shù)據(jù)與樣本庫中信息進行模式匹配。
3. 本發(fā)明技術(shù)先進，有理論基礎(chǔ)，實際應(yīng)用與可操作性強。


本發(fā)明的附圖為主元信息提取示意圖。
具體實施例方式
下面參照附圖對本發(fā)明進行詳細(xì)說明將過程中的測量變量，控制變量及操作變量進行數(shù)據(jù)庫的建立，分別
為Var (測量變量)，Con (控制變量)，Ope (操作變量)，如圖。在此基礎(chǔ) 上建立主元模型Score,并進行主元故障混合信息T infor的提取、故障信
息的抽取與特征匹配。
建立過程測量變量、控制變量、操作變量數(shù)據(jù)庫，并進行主元故障信 息的提取；在對變量與主元相關(guān)信息分析的基礎(chǔ)上，完成非正常子域的建 立；通過非正常子域變量與主元故障信息的相關(guān)性分析確定故障源，實現(xiàn) 故障的分離。
故障信息的抽取與特征匹配是在混合信息的基礎(chǔ)上進行的，主元中的 故障信息包含了過程的全部故障特征，并表現(xiàn)為異?，F(xiàn)象，將此特征信息 進行抽取，并作為故障分離的參考標(biāo)樣。在測量變量Var、控制變量Con 和操作變量Ope中提取故障信息的成分與主元信息進行相關(guān)匹配，實現(xiàn)故 障變量的分離。
基于動態(tài)時間規(guī)整(Dynamic time warping)的故障信息匹配正是基于 兩類故障信息進行模式相關(guān)信息匹配，實現(xiàn)故障診斷?；谥髟治龅墓?障檢測是在原有樣本空間進行潛隱映射到主元空間，并基于主元進行故障 檢測。因此，檢測出的故障信息全部被主元所包含，將此部分的故障信息 進行特征提取，便可得到過程故障的全部信息。同樣將通過非正常子域所 提取的變量故障信息與主元故障信息進行模式匹配，匹配程度最高的即為 所含故障信息最多，確定故障源，實現(xiàn)故障的診斷。
DTW是一種比較兩種動態(tài)模式的柔性方法。 一些動態(tài)模式也許在形式 上不會很完美地保持一致，而特征上相似，DTW運用動態(tài)規(guī)劃的原理，非 線性地巻曲兩種模式使相似事件排列一致，得到其間的最短距離。在兩種 模式中，DTW會適時轉(zhuǎn)換某些向量，壓縮一些或擴張另一些，最終實現(xiàn)模 式的匹配。本發(fā)明對過程混合信息變量進行相關(guān)分析與信息提取。 假設(shè)過程變量矩陣為X-[x"x"…，xJ，則X的主元分解 X = TPT + E=》iP〖+E
T為主元得分矩陣。如果有m個變量，n個采樣值，m個變量可根據(jù) 與T的相關(guān)性分解為兩部分。
p(x,,T、一 J譜(x'，刑
argmax^j /r, 、 /卸、，V
' vflr(x,. Jx var(/T "/2
P(x'，T)為變量與主元陣的相關(guān)系數(shù)。若門檻值確定后，原始數(shù)據(jù)變量
可分解為與主元相關(guān)的變量子空間為PRV，其它與主元弱相關(guān)的變量子空 間OV。分別將PRV和OV投影到殘差空間構(gòu)成兩新的統(tǒng)計指標(biāo)SPEPVR和 SPEOV進行過程的監(jiān)視。
其次對故障相關(guān)的混合信息進行特征匹配。
通過計算模式間的局部距離、模式間的標(biāo)準(zhǔn)總體距離得到模式間最短 標(biāo)準(zhǔn)總體距離。
在此基礎(chǔ)上得到最優(yōu)路徑F' 。 F'序列是DTW在最短距離^^W的 基礎(chǔ)上搜索的 一條處于axb的網(wǎng)格中的點序列。如果每個c(k)表示i(k)和j(k) 所構(gòu)成的一個網(wǎng)格點。在DTW算法中，^'序列可看作使兩軌跡之間標(biāo)準(zhǔn) 總體距離最短的一條處于axb網(wǎng)格中最優(yōu)路徑。在最優(yōu)路徑基礎(chǔ)上可實現(xiàn) 模式的映射匹配。
權(quán)利要求
1. 化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法，其特征在于首先采集現(xiàn)場的測量變量Var，控制變量Con，操作變量Ope，建立統(tǒng)計數(shù)據(jù)庫，并將相關(guān)回路的變量進行對應(yīng)形成數(shù)據(jù)矩陣，通過數(shù)據(jù)的量化標(biāo)準(zhǔn)后使其均值為0方差為1；提取主元信息量，其中包括控制參量的全部信息的主要因子，在正常的過程中建立統(tǒng)計過程診斷樣本庫，新的過程樣本經(jīng)過同樣的過程與診斷樣本庫的模式進行匹配；計算局部距離、標(biāo)準(zhǔn)總體距離和最短標(biāo)準(zhǔn)總體距離，確定故障的信息點。
2. 根據(jù)權(quán)利要求1所述的化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方 法，其特征在于混合過程采集的全部相關(guān)信息，并建立統(tǒng)計過程診斷庫， 使信息得到豐富。
3. 根據(jù)權(quán)利要求1所述的化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方 法，其特征在于采用語言識別的模式匹配解決方案進行故障的跟蹤與識別。
全文摘要
化工生產(chǎn)混合故障信息提取與匹配的技術(shù)方法，涉及化工技術(shù)，本發(fā)明診斷混合故障信息提取與匹配技術(shù)是將技術(shù)過程中的測量變量，控制變量及操作變量作為過程信息的混合資源，應(yīng)用統(tǒng)計相關(guān)信息的分析進行主元信息的提取，使故障信息在控制系統(tǒng)的閉環(huán)的各節(jié)點參量呈顯性，并放大了故障的特征。在此基礎(chǔ)上應(yīng)用動態(tài)時間規(guī)整進行故障信息的特征匹配，基于歐式距離的最優(yōu)路徑，進行相關(guān)信息的模式匹配，本發(fā)明將測量變量、控制變量和操作變量作為主元的混合信息來源，使信息資源更全面、準(zhǔn)確，使正常信息與故障信息的容量增加，提高了控制與診斷的性能。本發(fā)明技術(shù)先進，有理論基礎(chǔ)，實際應(yīng)用與可操作性強。
文檔編號G05B23/02GK101477373SQ20091001001
公開日2009年7月8日 申請日期2009年1月7日 優(yōu)先權(quán)日2009年1月7日
發(fā)明者元 李, 郭小平, 郭金玉 申請人:沈陽化工學(xué)院