專利名稱：一種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及工業(yè)過(guò)程監(jiān)測(cè)領(lǐng)域，尤其涉及一種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)
系統(tǒng)及方法。
背景技術(shù)：
維持復(fù)雜工業(yè)過(guò)程的正常平穩(wěn)運(yùn)行是石油、化工、制藥、食品等各工業(yè)行業(yè)追求的共同目標(biāo)。它的意義不僅在于保證生產(chǎn)的安全可靠運(yùn)行，還在于實(shí)現(xiàn)嚴(yán)格的產(chǎn)品質(zhì)量保證以及控制環(huán)境污染等。有效的實(shí)時(shí)過(guò)程監(jiān)測(cè)系統(tǒng)是保證大型復(fù)雜工業(yè)過(guò)程平穩(wěn)運(yùn)行的關(guān)鍵。 隨著集散控制系統(tǒng)和各種智能化儀表在工業(yè)過(guò)程中的廣泛應(yīng)用，成本低廉的計(jì)算機(jī)資源和可靠的存貯技術(shù)的普及，現(xiàn)代工業(yè)過(guò)程中大量的過(guò)程和質(zhì)量數(shù)據(jù)被實(shí)時(shí)地測(cè)量和記錄下來(lái)。這些數(shù)據(jù)精確地描述了過(guò)程的狀態(tài)，為過(guò)程監(jiān)測(cè)提供了可靠的依據(jù)?；跀?shù)據(jù)驅(qū)動(dòng)的方法使用各種數(shù)據(jù)分析方法對(duì)在正常操作條件下和故障條件下采集的具有代表性的過(guò)程歷史數(shù)據(jù)分別進(jìn)行建模，然后依據(jù)所建模型分析在線測(cè)量的過(guò)程數(shù)據(jù)實(shí)現(xiàn)監(jiān)測(cè)。這類方法只依賴于測(cè)量數(shù)據(jù)，特別適用于難以獲得準(zhǔn)確和完整機(jī)理模型的大規(guī)模復(fù)雜過(guò)程的監(jiān)測(cè)。過(guò)程監(jiān)測(cè)包括故障的檢測(cè)和診斷。前者判斷當(dāng)前系統(tǒng)是否存在故障，后者判斷已發(fā)生的故障屬于哪一類別，為故障的修復(fù)提供依據(jù)?，F(xiàn)有關(guān)于基于該類方法的過(guò)程監(jiān)測(cè)系統(tǒng)的專利如 中國(guó)發(fā)明專利200610154826. 9公開(kāi)了一種基于FISHER的工業(yè)過(guò)程非線性故障診斷系統(tǒng)，包括與工業(yè)過(guò)程對(duì)象連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)以及上位機(jī)，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫(kù)構(gòu)成；智能儀表、DCS系統(tǒng)、上位機(jī)依次相連，所述的上位機(jī)包括標(biāo)準(zhǔn)化處理模塊、FISHER判別分析模塊以及故障診斷模塊。能夠得到良好的故障診斷效果。 中國(guó)發(fā)明專利200610154825. 4公開(kāi)了一種基于小波分析的工業(yè)生產(chǎn)過(guò)程故障檢測(cè)方法，包括與工業(yè)過(guò)程對(duì)象連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)以及上位機(jī)，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫(kù)構(gòu)成；智能儀表、DCS系統(tǒng)、上位機(jī)依次相連，所述的上位機(jī)包括標(biāo)準(zhǔn)化處理模塊、小波分解模塊、主元分析功能模塊、小波重構(gòu)功能模塊、支持向量機(jī)分類器功能模塊以及故障判斷模塊。能夠得到良好的診斷效果。
但當(dāng)前基于數(shù)據(jù)驅(qū)動(dòng)的過(guò)程監(jiān)測(cè)方法存在兩個(gè)主要問(wèn)題 a)把故障和診斷作為兩個(gè)獨(dú)立的任務(wù)。即先進(jìn)行故障檢測(cè)，在判定過(guò)程處于故障狀態(tài)后，再判斷故障的類別。這樣在故障檢測(cè)時(shí)只利用了在過(guò)程正常狀態(tài)下搜集的數(shù)據(jù)，沒(méi)有利用故障數(shù)據(jù)。因此故障檢測(cè)的效果還有進(jìn)一步提高的空間。 b)故障診斷使用Fisher判別分析對(duì)故障數(shù)據(jù)進(jìn)行建模。Fisher判別分析只在分析的數(shù)據(jù)只有兩類，且每類數(shù)據(jù)都符合相同協(xié)方差矩陣的高斯分布的情況下為最優(yōu)。而過(guò)程故障和對(duì)應(yīng)故障數(shù)據(jù)的類別往往多于兩類，且每類數(shù)據(jù)也不一定服從高斯分布。
因此現(xiàn)有故障診斷方法在很多情況下不能提供最優(yōu)的診斷準(zhǔn)確率。
發(fā)明內(nèi)容
為了改進(jìn)現(xiàn)有過(guò)程監(jiān)測(cè)系統(tǒng)使用的局限性大、效果一般的不足，本發(fā)明提供了一
種適用范圍廣，同時(shí)實(shí)現(xiàn)故障的檢測(cè)和診斷，且效果明顯優(yōu)于現(xiàn)有系統(tǒng)的基于局部判別分 析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)。 —種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)，包括與工業(yè)過(guò)程對(duì)象連接的檢測(cè)儀
表、集散控制系統(tǒng)、用于存儲(chǔ)集散控制系統(tǒng)所采集數(shù)據(jù)的服務(wù)器以及用于處理服務(wù)器中存 儲(chǔ)的采集數(shù)據(jù)的上位機(jī)。 其中檢測(cè)儀表用于采集工業(yè)過(guò)程對(duì)象的實(shí)時(shí)數(shù)據(jù)，而集散控制系統(tǒng)(DCS)根據(jù)檢 測(cè)儀表采集的實(shí)時(shí)數(shù)據(jù)對(duì)工業(yè)過(guò)程對(duì)象加以控制。 所述的服務(wù)器包括用于存儲(chǔ)工業(yè)過(guò)程對(duì)象的實(shí)時(shí)數(shù)據(jù)的實(shí)時(shí)數(shù)據(jù)庫(kù)和用于存儲(chǔ)
所述的工業(yè)過(guò)程對(duì)象在正常狀態(tài)和各類故障狀態(tài)下的數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(kù)；所述的關(guān)系數(shù)據(jù)
庫(kù)中的數(shù)據(jù)，可以說(shuō)是歷史數(shù)據(jù)，歷史數(shù)據(jù)中工業(yè)過(guò)程對(duì)象是處于正常狀態(tài)還是處于故障
狀態(tài)，以及故障狀態(tài)的類型都是明確的，可以認(rèn)為每個(gè)數(shù)據(jù)點(diǎn)都有對(duì)應(yīng)的類標(biāo)識(shí)。 所述的上位機(jī)包括離線建模模塊和在線監(jiān)測(cè)模塊； 其中所述的離線建模模塊包括 a)訓(xùn)練數(shù)據(jù)提取模塊，用于從關(guān)系數(shù)據(jù)庫(kù)中提取正常狀態(tài)和各類故障狀態(tài)下的數(shù) 據(jù)及每個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)的類標(biāo)識(shí)作為訓(xùn)練數(shù)據(jù)； 在提取之前可以預(yù)先設(shè)定需提取的數(shù)據(jù)變量，起始和終止時(shí)間，采樣間隔和每個(gè) 數(shù)據(jù)類的樣本數(shù)。提取得到數(shù)據(jù)集ip^，..、 e i D , RD表示D維的實(shí)數(shù)空間及對(duì)應(yīng)的類標(biāo)識(shí)
{0，l，2...c}。可用0標(biāo)記正常狀態(tài)的數(shù)據(jù)類型，1，2...(3標(biāo)記不同的故障下的
數(shù)據(jù)類型。 Spi2，…5"表示從關(guān)系數(shù)據(jù)庫(kù)中提取的各個(gè)數(shù)據(jù)點(diǎn)； b)第一標(biāo)準(zhǔn)化模塊，用于對(duì)訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù) Xi(i = 1， . . . n， n為訓(xùn)練數(shù)據(jù)點(diǎn)數(shù))；標(biāo)準(zhǔn)化處理的步驟如下 1)計(jì)算均值1 = 1^^ ;其中；為從關(guān)系數(shù)據(jù)庫(kù)中提取的數(shù)據(jù)點(diǎn)，n為數(shù)據(jù)點(diǎn)個(gè)
'■=i
1
數(shù)，i為數(shù)據(jù)點(diǎn)索引號(hào)；2)計(jì)算方差向量《〗=~42^^ — W ;
"一l i=i3)平移伸縮x, :(i廣i)./^;其中./為向:
:的對(duì)應(yīng)元素相除，Ox為標(biāo)準(zhǔn)差向
一水
數(shù)據(jù)點(diǎn)由多個(gè)變量的值組
量J為步驟1)得到的均值。 對(duì)提取的訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，可使各變量( 成)均值為零，方差為1。 c)模型訓(xùn)練模塊，用于對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)Xi進(jìn)行局部結(jié)構(gòu)建模，再求解得到 最優(yōu)投影矩陣A，用該最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間得到訓(xùn)練數(shù)據(jù)在子空間中的 像yji = 1，2...n即自然數(shù))；
所述的在線監(jiān)測(cè)模塊包括 a)信號(hào)采集模塊；用于從實(shí)時(shí)數(shù)據(jù)庫(kù)中采集工業(yè)過(guò)程對(duì)象的實(shí)時(shí)數(shù)據(jù)；
b)第二標(biāo)準(zhǔn)化模塊；用于利用第一標(biāo)準(zhǔn)化模塊的訓(xùn)練數(shù)據(jù)的均值和方差對(duì)采 集到得實(shí)時(shí)數(shù)據(jù)作平移伸縮處理，得到平移伸縮后的實(shí)時(shí)數(shù)據(jù)x ;平移伸縮時(shí)仍用算式 ；但其中的i,用實(shí)時(shí)數(shù)據(jù)代替，而、和玄仍用第一標(biāo)準(zhǔn)化模塊得到的訓(xùn)練數(shù)據(jù) 的均值和方差。 c)故障檢測(cè)與診斷模塊；用模型訓(xùn)練模塊得到的最優(yōu)投影矩陣A將平移伸縮后的 實(shí)時(shí)數(shù)據(jù)x投影到子空間中，得到實(shí)時(shí)數(shù)據(jù)在子空間中的像y， (y = ATx)，使用基于歐式距 離定義的最近鄰搜索尋找訓(xùn)練數(shù)據(jù)在子空間中的像yi(i = l，...n)中離像y最近的點(diǎn)yp， 根據(jù)yp的狀態(tài)類別判定實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別； d)結(jié)果顯示模塊；用于顯示故障檢測(cè)與診斷模塊判定的狀態(tài)類別。
其中所述的模型訓(xùn)練模塊包括 局部結(jié)構(gòu)建模模塊；用局部類內(nèi)離散度矩陣和局部類間離散度矩陣對(duì)標(biāo)準(zhǔn)化后的 訓(xùn)練數(shù)據(jù)Xi的局部幾何結(jié)構(gòu)和局部判別結(jié)構(gòu)分別建模； 最優(yōu)判決投影求解模塊；用于根據(jù)訓(xùn)練數(shù)據(jù)的局部類內(nèi)離散度矩陣R一局部類間 離散度矩陣Rb和局部總離散度矩陣Rt求得投影后的數(shù)據(jù)局部類間離散度最大而局部類內(nèi) 離散度最小的最優(yōu)投影A; 訓(xùn)練數(shù)據(jù)投影模塊；用最優(yōu)投影矩陣A將訓(xùn)練數(shù)據(jù)投影到子空間中得到訓(xùn)練數(shù)據(jù) 在子空間中的像yi。 所述的局部結(jié)構(gòu)建模模塊用局部類內(nèi)離散度矩陣和局部類間離散度矩陣對(duì)標(biāo)準(zhǔn)
化后的訓(xùn)練數(shù)據(jù)Xi的局部幾何結(jié)構(gòu)和局部判別結(jié)構(gòu)分別建模，步驟如下 1)計(jì)算歐式距離定義下的每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)Xi的k-最近鄰數(shù)據(jù)點(diǎn)集合
M(X,.Xx;,…xf〉，將M(Xi)分成兩部分MjXi)禾卩Mb(Xi)，其中MjXi)是與Xi屬于同一類的 點(diǎn)，Mb(Xi)是與Xi屬于不同類的點(diǎn)。 這里的類是指Xi是正常狀態(tài)還是某種故障狀態(tài)，可通過(guò)類標(biāo)識(shí)來(lái)識(shí)別。k為局部 區(qū)域的大小，即與每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)最近鄰數(shù)據(jù)點(diǎn)的個(gè)數(shù)。
2)計(jì)算局部類內(nèi)鄰接矩陣Ww和局部類間鄰接矩陣Wb
<formula>formula see original document page 7</formula>
;"—1 ，
式中Ww和Wb的下標(biāo)i、 j分別表示矩陣的行數(shù)和列數(shù)的索引。 3)計(jì)算局部類內(nèi)離散度矩陣Rw、局部類間離散度矩陣Rb和局部總離散度矩陣Rt ;<formula>formula see original document page 7</formula>
其中上標(biāo)T表示轉(zhuǎn)置矩陣；n表示訓(xùn)練數(shù)據(jù)點(diǎn)個(gè)數(shù)。 所述的最優(yōu)判決投影求解模塊，根據(jù)訓(xùn)練數(shù)據(jù)的局部類內(nèi)離散度矩陣R一局部類 間離散度矩陣Rb和局部總離散度矩陣Rt求使得投影后的數(shù)據(jù)局部類間離散度最大而局部 類內(nèi)離散度最小的最優(yōu)投影矩陣A，步驟如下 1)對(duì)Rt實(shí)施特征值分解Rt = Q A QT，其中Q = [qi，. . . qm]由非零特征值對(duì)應(yīng)的特 征向量組成；其中上標(biāo)T表示轉(zhuǎn)置矩陣、A表示由Rt的非零特征值組成的對(duì)角矩陣；
2)計(jì)算矩陣A-191^9特征值最大的(1個(gè)特征向量131，...13(1，按對(duì)應(yīng)的特征值由大 到小排列，d為設(shè)定的降維子空間維數(shù)； 3)計(jì)算最優(yōu)投影矩陣A = QB G rdx 其中B = [t^， . bd];
RDXd為D行d列的實(shí)數(shù)矩陣，D為訓(xùn)練數(shù)據(jù)的維數(shù)。 所述的訓(xùn)練數(shù)據(jù)投影模塊用最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)Xi (i = 1， . . . n)投影到子
空間中得到訓(xùn)練數(shù)據(jù)在子空間中的像yi， yi = ATXi G Rd(i = 1， . . . n)。 本發(fā)明還提供了一種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)方法，包括如下步驟 1)提取工業(yè)過(guò)程對(duì)象正常狀態(tài)和各類故障狀態(tài)下的數(shù)據(jù)及對(duì)應(yīng)的類標(biāo)識(shí)作為訓(xùn)
練數(shù)據(jù)；對(duì)訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)數(shù)據(jù)Xi(i = l，...n);對(duì)標(biāo)準(zhǔn)
化后的訓(xùn)練數(shù)據(jù)Xi進(jìn)行局部結(jié)構(gòu)建模，求解得到最優(yōu)投影矩陣，用該最優(yōu)投影矩陣將訓(xùn)練
數(shù)據(jù)投影到子空間得到訓(xùn)練數(shù)據(jù)在子空間中的像數(shù)據(jù)yi(i = 1， . . . n); 2)采集工業(yè)過(guò)程對(duì)象實(shí)時(shí)數(shù)據(jù)；利用步驟(1)中訓(xùn)練數(shù)據(jù)的均值和方差對(duì)采集到
得實(shí)時(shí)數(shù)據(jù)作平移伸縮處理，得到平移伸縮后的實(shí)時(shí)數(shù)據(jù)yi(i = l，...n);利用步驟l)中
得到的最優(yōu)投影矩陣將平移伸縮后的實(shí)時(shí)數(shù)據(jù)x投影到子空間中，得到實(shí)時(shí)數(shù)據(jù)在子空間
中的像y， y = ATx，使用基于歐式距離定義的最近鄰搜索尋找訓(xùn)練數(shù)據(jù)在子空間中的像yi (i
=1， ... n)中離像y最近的點(diǎn)y。，根據(jù)yp的狀態(tài)類別判定實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別； 3)對(duì)實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別進(jìn)行顯示。 步驟(1)所述的對(duì)訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理的步驟如下 1)計(jì)算均值J = l￡& ;其中-為工業(yè)過(guò)程對(duì)象的正常狀態(tài)或某類故障狀態(tài)下 的數(shù)據(jù)點(diǎn)，n為數(shù)據(jù)點(diǎn)的個(gè)數(shù)； 2)計(jì)算方差向量-勾； 3)平移伸縮X, "X廣i)./ 謀中./為向量的對(duì)應(yīng)元素相除，。x為標(biāo)準(zhǔn)差向 量J為步驟1)得到的均值。 步驟(1)中對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)Xi進(jìn)行局部結(jié)構(gòu)建模，求解得到最優(yōu)投影矩 陣，用該最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間得到訓(xùn)練數(shù)據(jù)在子空間中的像yi的步驟包 括 計(jì)算歐式距離定義下的每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)的k_最近鄰數(shù)據(jù)點(diǎn)集合 M(x,.)-(x)，…x^，將M(Xi)分成兩部分MjXi)禾卩Mb(Xi)，其中MjXi)是與Xi屬于同一類的
點(diǎn)，Mb(Xi)是與Xi屬于不同類的點(diǎn)；k為局部區(qū)域的大小；
計(jì)算局部類內(nèi)鄰接矩陣Ww和局部類間鄰接矩陣Wb
<formula>formula see original document page 9</formula>計(jì)算局部類內(nèi)離散度矩陣R一局部類間離散度矩陣Rb和局部總離散度矩陣Rt; <formula>formula see original document page 9</formula>
<formula>formula see original document page 9</formula>
Rt = Rw+Rb。 對(duì)Rt實(shí)施特征值分解Rt = Q A QT，其中Q = [q" qm]由非零特征值對(duì)應(yīng)的特征 向量組成；計(jì)算矩陣A-191^9特征值最大的(1個(gè)特征向量131，...13(1，按對(duì)應(yīng)的特征值由大到 小排列； 計(jì)算最優(yōu)投影矩陣A二QBERDXd，其中B二 [lv...bd]; 用最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間中得到訓(xùn)練數(shù)據(jù)在子空間中的像yi， yi =ATXi G Rd(i = 1，…n)。 本發(fā)明采用的局部類間離散度最大化和局部類內(nèi)離散度最小化準(zhǔn)則能使數(shù)據(jù)在 經(jīng)過(guò)判決投影后在局部粒度上不同類數(shù)據(jù)盡可能分開(kāi)，同類數(shù)據(jù)盡可能聚合，從而使不同 類間的重疊最小。配合局部分類器(本發(fā)明采用了最近鄰分類)對(duì)經(jīng)過(guò)判決投影后的數(shù)據(jù) 實(shí)施分類可以達(dá)到最好的分類準(zhǔn)確率。 本發(fā)明的有益效果主要表現(xiàn)在1.同時(shí)實(shí)現(xiàn)判斷系統(tǒng)是否故障以及判斷故障的 具體類別。2.不受故障類數(shù)目和類分布的約束，適用范圍廣。3.判斷準(zhǔn)確率高于現(xiàn)有系統(tǒng)。
圖1是本發(fā)明過(guò)程監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu)框圖； 圖2是本發(fā)明過(guò)程監(jiān)測(cè)系統(tǒng)中帶有上位機(jī)具體結(jié)構(gòu)的框圖。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。 參照?qǐng)D1、圖2，本發(fā)明基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)，包括用于采集工 業(yè)過(guò)程對(duì)象1狀態(tài)數(shù)據(jù)的現(xiàn)場(chǎng)檢測(cè)儀表2、用于對(duì)工業(yè)過(guò)程對(duì)象進(jìn)行控制的集散控制系統(tǒng) (DCS)、服務(wù)器4和上位機(jī)7，服務(wù)器內(nèi)有用于向上位機(jī)傳遞實(shí)時(shí)檢測(cè)數(shù)據(jù)實(shí)時(shí)數(shù)據(jù)庫(kù)5和用 于存放歷史數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(kù)6，上位機(jī)7包括離線建模模塊8和在線監(jiān)測(cè)模塊15。
離線建模模塊8包括訓(xùn)練數(shù)據(jù)提取模塊9、第一標(biāo)準(zhǔn)化模塊10 (圖中顯示為標(biāo)準(zhǔn) 化模塊)和模型訓(xùn)練模塊ll。 而模型訓(xùn)練模塊11中又包括局部結(jié)構(gòu)建模模塊12、最優(yōu)判決投影求解模塊13和 訓(xùn)練數(shù)據(jù)投影模塊14。
在線監(jiān)測(cè)模塊15包括信號(hào)采集模塊16、第二標(biāo)準(zhǔn)化模塊17 (圖中顯示為標(biāo)準(zhǔn)化模 塊)、故障檢測(cè)與診斷模塊18和結(jié)果顯示模塊19。 以下結(jié)合各個(gè)模塊說(shuō)明本發(fā)明工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)的工作流程。，
首先訓(xùn)練數(shù)據(jù)提取模塊9，用于從保存歷史數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(kù)6中提取工業(yè)過(guò) 程對(duì)象1在正常狀態(tài)下的數(shù)據(jù)和各類故障狀態(tài)下的歷史數(shù)據(jù)用于模型訓(xùn)練。提取前設(shè) 定需提取的數(shù)據(jù)變量，起始和終止時(shí)間，采樣間隔和每個(gè)數(shù)據(jù)類的樣本數(shù)。得到數(shù)據(jù)集 安,，i2,…禮e^及對(duì)應(yīng)的類標(biāo)識(shí)lp ... ln G {0，1，2. ..c}。用類0標(biāo)記正常類，1，2. ..c標(biāo)記
故障類。將提取的數(shù)據(jù)傳至第一標(biāo)準(zhǔn)化模塊10。 第一標(biāo)準(zhǔn)化模塊10，對(duì)傳入的訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，使各變量均值為零，方差為 1，并將標(biāo)準(zhǔn)化后的數(shù)據(jù)傳至模型訓(xùn)練模塊11，訓(xùn)練數(shù)據(jù)的均值和每個(gè)變量方差傳至第二標(biāo) 準(zhǔn)化模塊17待用。其中第一標(biāo)準(zhǔn)化模塊10中標(biāo)準(zhǔn)化的步驟如下 1)計(jì)算均值，玄=丄1>,. 2)計(jì)算方差向量，每個(gè)元素為每個(gè)變量的方差。<=^￡(i,,5)
w-l ~i 3)平移伸縮，計(jì)算Xi ，其中"./"為向量的對(duì)應(yīng)元素相除，、為標(biāo)準(zhǔn)差向量。 局部建模模塊12接收第一標(biāo)準(zhǔn)化模塊10傳入的標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)，用局部類 內(nèi)離散度矩陣和局部類間離散度矩陣對(duì)數(shù)據(jù)的局部幾何結(jié)構(gòu)和局部判別結(jié)構(gòu)分別建模，并 將計(jì)算得到的局部類內(nèi)離散度矩陣、局部類間離散度矩陣、總離散度矩陣傳至判決投影求 解模塊13，將訓(xùn)練數(shù)據(jù)傳至訓(xùn)練數(shù)據(jù)投影模塊14和在線監(jiān)測(cè)模塊15中的故障檢測(cè)與診斷 模塊18。 計(jì)算局部類內(nèi)離散度矩陣、局部類間離散度矩陣和總離散度矩陣的步驟如下
1)計(jì)算歐式距離定義下的每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)的k-最近鄰數(shù)據(jù)點(diǎn)集合 M(x,)-(x;,…x"。將M(Xi)分成兩部分Mw(Xi)和Mb(Xi)，其中Mw(Xi)是與Xi屬于同一類的點(diǎn)， Mb(Xi)是與Xi屬于不同類的點(diǎn)。 2)計(jì)算局部類內(nèi)鄰接矩陣Ww和局部類間鄰接矩陣Wb
似々》或、￡禮(、)。3)計(jì)算局部類內(nèi)離散度矩陣R一局部類間離散度矩陣Rb和局部總離散度矩陣Rt。 R"DW;"(X,-\)(x,-x》，
^ 1=1 _/=l R* "SI^"(x廣x乂)(x廣x乂)，
Rt = Rw+Rb。 最優(yōu)判決投影求解模塊13設(shè)定投影后的維數(shù)d，根據(jù)傳入的訓(xùn)練數(shù)據(jù)的局部類內(nèi)W.
1，如果x,.
fl,如果x,.離散度矩陣Rw、局部類間離散度矩陣Rb和局部總離散度矩陣Rt求使得投影后的數(shù)據(jù)局部類 間離散度最大而局部類內(nèi)離散度最小的最優(yōu)判決投影A，并傳至訓(xùn)練數(shù)據(jù)投影模塊14。步 驟如下 1)對(duì)Rt實(shí)施特征值分解Rt = Q A QT，其中Q = [qi， qm]由非零特征值對(duì)應(yīng)的特 征向量組成。 2)計(jì)算矩陣A-19、9特征值最大的(1個(gè)向量131，...13(1，按對(duì)應(yīng)的特征值大小大到 小排列。 3)計(jì)算最優(yōu)投影矩陣A = QB G RDXd，其中B = . . . bd]。 訓(xùn)練數(shù)據(jù)投影模塊14，根據(jù)傳入的最優(yōu)投影矩陣A將傳入的訓(xùn)練數(shù)據(jù)投影到子空 間中得到y(tǒng)i = ATXi G Rd(i = 1， . . . n)，并傳至在線監(jiān)測(cè)模塊15中的故障檢測(cè)與診斷模塊 18。 信號(hào)采集模塊16設(shè)定每次數(shù)據(jù)采樣的時(shí)間間隔，采集實(shí)時(shí)數(shù)據(jù)并傳入第二標(biāo)準(zhǔn) 化模塊17 ;第二標(biāo)準(zhǔn)化模塊17使用離線建模模塊中第一標(biāo)準(zhǔn)化模塊10傳入的訓(xùn)練數(shù)據(jù)均 值和方差對(duì)每個(gè)信號(hào)采集模塊16傳入的數(shù)據(jù)點(diǎn)實(shí)施平移伸縮處理，并將結(jié)果傳至故障檢 測(cè)與診斷模塊18。標(biāo)準(zhǔn)化過(guò)程對(duì)任意時(shí)刻傳入的數(shù)據(jù)點(diǎn)i,計(jì)算x-(i-，其中"./"為
向量的對(duì)應(yīng)元素相除，Ox為標(biāo)準(zhǔn)差向量。 故障檢測(cè)與診斷模塊18用模型訓(xùn)練模塊14傳入的最優(yōu)投影矩陣將第二標(biāo)準(zhǔn)化模 塊17傳入的數(shù)據(jù)x投影到子空間中，y = 〃^使用基于歐式距離定義的最近鄰搜索尋找
yi，... yn中離y最近的點(diǎn)yp，判定當(dāng)前過(guò)程的狀態(tài)類別為yp的狀態(tài)類別lp并將結(jié)果傳至結(jié) 果顯示模塊19。 結(jié)果顯示模塊19根據(jù)故障檢測(cè)與診斷模塊18傳入的過(guò)程狀態(tài)類別在人機(jī)界面上 顯示當(dāng)前過(guò)程的狀態(tài)，顯示結(jié)果為當(dāng)前系統(tǒng)處于正常狀態(tài)或者某種故障狀態(tài)。
1權(quán)利要求
一種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)，包括與工業(yè)過(guò)程對(duì)象連接的檢測(cè)儀表、集散控制系統(tǒng)、用于存儲(chǔ)集散控制系統(tǒng)所采集數(shù)據(jù)的服務(wù)器以及用于處理服務(wù)器中存儲(chǔ)的采集數(shù)據(jù)的上位機(jī)，其特征在于所述的服務(wù)器包括用于存儲(chǔ)工業(yè)過(guò)程對(duì)象的實(shí)時(shí)數(shù)據(jù)的實(shí)時(shí)數(shù)據(jù)庫(kù)和用于存儲(chǔ)所述的工業(yè)過(guò)程對(duì)象在正常狀態(tài)和各類故障狀態(tài)下的數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(kù)；所述的上位機(jī)包括離線建模模塊和在線監(jiān)測(cè)模塊；其中所述的離線建模模塊包括a)訓(xùn)練數(shù)據(jù)提取模塊，用于從關(guān)系數(shù)據(jù)庫(kù)中提取正常狀態(tài)和各類故障狀態(tài)下的數(shù)據(jù)及每個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)的類標(biāo)識(shí)作為訓(xùn)練數(shù)據(jù)；b)第一標(biāo)準(zhǔn)化模塊，用于對(duì)訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)xi；c)模型訓(xùn)練模塊，用于對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)xi進(jìn)行局部結(jié)構(gòu)建模，再求解得到最優(yōu)投影矩陣A，用該最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間得到訓(xùn)練數(shù)據(jù)在子空間中的像yi；所述的在線監(jiān)測(cè)模塊包括a)信號(hào)采集模塊；用于從實(shí)時(shí)數(shù)據(jù)庫(kù)中采集實(shí)時(shí)數(shù)據(jù)；b)第二標(biāo)準(zhǔn)化模塊；用于利用第一標(biāo)準(zhǔn)化模塊的訓(xùn)練數(shù)據(jù)的均值和方差對(duì)采集到得實(shí)時(shí)數(shù)據(jù)作平移伸縮處理，得到平移伸縮后的實(shí)時(shí)數(shù)據(jù)；c)故障檢測(cè)與診斷模塊；用模型訓(xùn)練模塊得到的最優(yōu)投影矩陣A將平移伸縮后的實(shí)時(shí)數(shù)據(jù)投影到子空間中，得到實(shí)時(shí)數(shù)據(jù)在子空間中的像y，使用基于歐式距離定義的最近鄰搜索尋找訓(xùn)練數(shù)據(jù)在子空間中的像yi中離像y最近的點(diǎn)yp，根據(jù)yp的狀態(tài)類別判定實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別；d)結(jié)果顯示模塊；用于顯示故障檢測(cè)與診斷模塊判定的狀態(tài)類別。
2. 如權(quán)利要求1所述的故障診斷方法，其特征在于所述的第一標(biāo)準(zhǔn)化模塊對(duì)訓(xùn)練數(shù) 據(jù)作標(biāo)準(zhǔn)化處理的步驟如下1) 計(jì)算均值1 =丄1>,;其中；為從關(guān)系數(shù)據(jù)庫(kù)中提取的數(shù)據(jù)點(diǎn)，n為數(shù)據(jù)點(diǎn)個(gè)數(shù)，i為數(shù)據(jù)點(diǎn)索引號(hào)；2) 計(jì)算方差向量W =~^7li(^ -i);"—1 ' = 13) 平移伸縮x, =(5, -9./ ;其中./為向量的對(duì)應(yīng)元素相除，o x為標(biāo)準(zhǔn)差向量，x為 步驟l)得到的均值。
3. 如權(quán)利要求1所述的故障診斷方法，其特征在于所述的模型訓(xùn)練模塊包括 局部結(jié)構(gòu)建模模塊；用局部類內(nèi)離散度矩陣和局部類間離散度矩陣對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)Xi的局部幾何結(jié)構(gòu)和局部判別結(jié)構(gòu)分別建模；最優(yōu)判決投影求解模塊；用于根據(jù)訓(xùn)練數(shù)據(jù)的局部類內(nèi)離散度矩陣R一局部類間離散 度矩陣Rb和局部總離散度矩陣Rt求得投影后的數(shù)據(jù)局部類間離散度最大而局部類內(nèi)離散 度最小的最優(yōu)投影A;訓(xùn)練數(shù)據(jù)投影模塊；用最優(yōu)投影矩陣A將訓(xùn)練數(shù)據(jù)投影到子空間中得到訓(xùn)練數(shù)據(jù)在子空間中的像yi。
4. 如權(quán)利要求3所述的故障診斷方法，其特征在于所述的局部結(jié)構(gòu)建模模塊用局部 類內(nèi)離散度矩陣和局部類間離散度矩陣對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)Xi的局部幾何結(jié)構(gòu)和局部 判別結(jié)構(gòu)分別建模，步驟如下1) 計(jì)算歐式距離定義下的每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)Xi的k_最近鄰數(shù)據(jù)點(diǎn)集合M(X,.)二(x!,…xf),將M(Xi)分成兩部分MjXi)禾卩Mb(Xi)，其中MjXi)是與Xi屬于同一類的點(diǎn)，Mb(Xi)是與&屬于不同類的點(diǎn)；k為局部區(qū)域的大??；2) 計(jì)算局部類內(nèi)鄰接矩陣Ww和局部類間鄰接矩陣Wb一 J"l，如果X, € Mw ( X;)或 <formula>formula see original document page 3</formula>w= {l,如果x, eM6(x乂)或<formula>formula see original document page 3</formula>3) 計(jì)算局部類內(nèi)離散度矩陣Rw、局部類間離散度矩陣Rb和局部總離散度矩陣Rt ;z /=i 乂=11 w ， " ， t R*"SI>^(x'—xy)(x'-x))，Rt = Rw+Rb。
5. 如權(quán)利要求4所述的故障診斷方法，其特征在于所述的最優(yōu)判決投影求解模塊，根據(jù)訓(xùn)練數(shù)據(jù)的局部類內(nèi)離散度矩陣Rw、局部類間離散度矩陣Rb和局部總離散度矩陣Rt求 使得投影后的數(shù)據(jù)局部類間離散度最大而局部類內(nèi)離散度最小的最優(yōu)投影矩陣A，步驟如下1) 對(duì)Rt實(shí)施特征值分解Rt = QAQT，其中Q = [qi，. . . qm]由非零特征值對(duì)應(yīng)的特征向 量組成，m為非零特征值個(gè)數(shù)；2) 計(jì)算矩陣A-1911^9特征值最大的(1個(gè)特征向量131，..丄(1，按對(duì)應(yīng)的特征值由大到小排列，d為設(shè)定的降維子空間維數(shù)；3) 計(jì)算最優(yōu)投影矩陣A = QB G RDXd，其中B = [lv . . . bd] ， D為訓(xùn)練數(shù)據(jù)維數(shù)；
6. 如權(quán)利要求5所述的故障診斷方法，其特征在于所述的訓(xùn)練數(shù)據(jù)投影模塊用最優(yōu) 投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間中得到訓(xùn)練數(shù)據(jù)在子空間中的像yi，yi =ATXi G Rd(i = 1，….n)。
7. —種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)方法，其特征在于，包括如下步驟1) 提取工業(yè)過(guò)程對(duì)象正常狀態(tài)和各類故障狀態(tài)下的數(shù)據(jù)點(diǎn)及每個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)的類標(biāo) 識(shí)作為訓(xùn)練數(shù)據(jù)；對(duì)訓(xùn)練數(shù)據(jù)作標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)Xi ;對(duì)標(biāo)準(zhǔn)化后的訓(xùn) 練數(shù)據(jù)Xi進(jìn)行局部結(jié)構(gòu)建模，求解得到最優(yōu)投影矩陣，用該最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影 到子空間得到訓(xùn)練數(shù)據(jù)在子空間中的像yi ;2) 采集工業(yè)過(guò)程對(duì)象實(shí)時(shí)數(shù)據(jù)；利用步驟(1)中訓(xùn)練數(shù)據(jù)的均值和方差對(duì)采集到得實(shí) 時(shí)數(shù)據(jù)作平移伸縮處理，得到平移伸縮后的實(shí)時(shí)數(shù)據(jù)；利用步驟1)中得到的最優(yōu)投影矩陣將平移伸縮后的實(shí)時(shí)數(shù)據(jù)投影到子空間中，得到實(shí)時(shí)數(shù)據(jù)在子空間中的像y，使用基于歐式 距離定義的最近鄰搜索尋找訓(xùn)練數(shù)據(jù)在子空間中的像yi中離像y最近的點(diǎn)yp，根據(jù)yp的狀態(tài)類別判定實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別；3)對(duì)實(shí)時(shí)數(shù)據(jù)的狀態(tài)類別進(jìn)行顯示。
8. 如權(quán)利要求7所述的故障診斷方法，其特征在于步驟(1)所述的對(duì)訓(xùn)練數(shù)據(jù)作標(biāo) 準(zhǔn)化處理的步驟如下1) 計(jì)算均值J-ll]^;其中；為工業(yè)過(guò)程對(duì)象的正常狀態(tài)或某類故障狀態(tài)下的數(shù)據(jù)點(diǎn)，n為數(shù)據(jù)點(diǎn)的個(gè)數(shù)，i為數(shù)據(jù)點(diǎn)索引號(hào)；2) 計(jì)算方差向量=^"7lift -x); -1 i=i3) 平移伸縮x, =(i,-勾./^;其中./為向量的對(duì)應(yīng)元素相除，o x為標(biāo)準(zhǔn)差向量，^為 步驟l)得到的均值。
9. 如權(quán)利要求8所述的故障診斷方法，其特征在于步驟(1)中對(duì)標(biāo)準(zhǔn)化后的訓(xùn)練數(shù) 據(jù)Xi進(jìn)行局部結(jié)構(gòu)建模，求解得到最優(yōu)投影矩陣，用該最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子 空間得到訓(xùn)練數(shù)據(jù)在子空間中的像yi的步驟包括計(jì)算歐式距離定義下的每個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)Xi的卜最近鄰數(shù)據(jù)點(diǎn)集合奵^,.)=^,1,..^;:}，將M(Xi)分成兩部分MjXi)和Mb(Xi)，其中MjXi)是與Xi屬于同一類的點(diǎn)，Mb(Xi)是與Xi屬 于不同類的點(diǎn)；k為局部區(qū)域的大小；計(jì)算局部類內(nèi)鄰接矩陣Ww和局部類間鄰接矩陣Wb<formula>formula see original document page 4</formula>計(jì)算局部類內(nèi)離散度矩陣Rw、局部類間離散度矩陣Rb和局部總離散度矩陣Rt ;<formula>formula see original document page 4</formula>對(duì)Rt實(shí)施特征值分解Rt = Q AQT，其中Q = [qi，. . . qm]由非零特征值對(duì)應(yīng)的特征向量 組成，m為非零特征值個(gè)數(shù)；計(jì)算矩陣A-力TRbQ特征值最大的d個(gè)特征向量lv ...bd， d為 設(shè)定的降維子空間維數(shù)；按對(duì)應(yīng)的特征值由大到小排列；計(jì)算最優(yōu)投影矩陣A = QB G RDXd，其中B = [bp . . . bd] ， D為訓(xùn)練數(shù)據(jù)維數(shù)； 用最優(yōu)投影矩陣將訓(xùn)練數(shù)據(jù)投影到子空間中得到訓(xùn)練數(shù)據(jù)在子空間中的像yi， yi = ATXi G Rd(i = 1，…n)。
全文摘要
一種基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)及方法，監(jiān)測(cè)系統(tǒng)包括檢測(cè)儀表、集散控制系統(tǒng)、服務(wù)器以及上位機(jī)，服務(wù)器包括實(shí)時(shí)數(shù)據(jù)庫(kù)和關(guān)系數(shù)據(jù)庫(kù)；上位機(jī)包括離線建模模塊和在線監(jiān)測(cè)模塊；其中所述的離線建模模塊包括a)訓(xùn)練數(shù)據(jù)提取模塊；b)第一標(biāo)準(zhǔn)化模塊；c)模型訓(xùn)練模塊；所述的在線監(jiān)測(cè)模塊包括a)信號(hào)采集模塊；b)第二標(biāo)準(zhǔn)化模塊；c)故障檢測(cè)與診斷模塊；d)結(jié)果顯示模塊。本發(fā)明同時(shí)實(shí)現(xiàn)故障的檢測(cè)和診斷，且效果明顯優(yōu)于現(xiàn)有系統(tǒng)的基于局部判別分析的工業(yè)過(guò)程監(jiān)測(cè)系統(tǒng)及方法。
文檔編號(hào)G05B19/418GK101738998SQ200910155009
公開(kāi)日2010年6月16日 申請(qǐng)日期2009年12月10日 優(yōu)先權(quán)日2009年12月10日
發(fā)明者馮毅萍, 吳玉成, 榮岡, 許華, 邵紀(jì)東 申請(qǐng)人:浙江大學(xué)