基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法和系統(tǒng)，包括：采集不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集；基于該訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型，并獲取各個統(tǒng)計模式分析模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，進(jìn)而計算差分工況向量；根據(jù)差分工況向量的范數(shù)，計算相應(yīng)的實(shí)時監(jiān)控指標(biāo)，并將其與對應(yīng)模型的監(jiān)控指標(biāo)所對應(yīng)的控制限比對，來監(jiān)控工況的運(yùn)行狀況，該方法實(shí)時獲取過程數(shù)據(jù)保證監(jiān)控的可靠性，且不需要每個工況下的數(shù)據(jù)服從高斯分布，具有更高的適用性。
【專利說明】基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及過程監(jiān)控領(lǐng)域，尤其涉及一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法和系統(tǒng)。
【背景技術(shù)】
[0002]對于過程監(jiān)控和故障診斷問題，傳統(tǒng)的方法大多采用多元統(tǒng)計過程控制技術(shù)(Multivariable Statistical Process Control, MSPC),其中以主兀分析(PrincipalComponent Analysis, PCA)和偏最小二乘(Partial Least Squares, PLS)為代表的方法已在工業(yè)過程監(jiān)控中得到了成功的應(yīng)用。傳統(tǒng)的MSPC方法均假設(shè)過程運(yùn)行在單一的操作工況下，但是實(shí)際上由于產(chǎn)品改變、產(chǎn)能調(diào)整等原因過程常在多個工況中頻繁的切換。
[0003]基于主元分析和支持向量數(shù)據(jù)描述等多工況過程監(jiān)控方法都假設(shè)每個工況的數(shù)據(jù)服從高斯分布，但這在實(shí)際中并不一定成立。并且對多個工況建立統(tǒng)一的模型雖然相比建立多個模型的方法簡單，然而缺乏實(shí)時對工況的辨識，這會導(dǎo)致無法監(jiān)控當(dāng)前設(shè)備的工作狀況。而基于稀疏表示的多工況過程監(jiān)控方法雖然不假設(shè)數(shù)據(jù)的高斯性，但該方法沒有考慮在化工過程中的動態(tài)特性。另外，對單個當(dāng)前數(shù)據(jù)判斷其所屬工況受到噪聲的影響可能不準(zhǔn)確。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題之一是需要提供一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法，其根據(jù)實(shí)時獲取的過程數(shù)據(jù)是否屬于同一工況來對應(yīng)地判斷該過程是否出現(xiàn)故障。此外，還提供了 一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控系統(tǒng)。
[0005]為了解決上述技術(shù)問題，本發(fā)明提供了一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法，包括:采集步驟，采集不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集；第一獲取步驟，基于所述訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取所述隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；第二獲取步驟，基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型，并獲取各個統(tǒng)計模式分析模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；計算步驟，基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，并基于所述工況向量計算差分工況向量；監(jiān)控步驟，根據(jù)所述差分工況向量的范數(shù)，選取所述隱馬爾科夫模型或各個工況對應(yīng)的統(tǒng)計模式分析模型相應(yīng)的監(jiān)控指標(biāo)，并對所選取的監(jiān)控指標(biāo)進(jìn)行實(shí)時計算，將計算得到的實(shí)時監(jiān)控指標(biāo)與該模型的監(jiān)控指標(biāo)所對應(yīng)的控制限比對，來監(jiān)控該工況的運(yùn)行狀況。
[0006]在一個實(shí)施例中，所述統(tǒng)計模式分析模型的監(jiān)控指標(biāo)進(jìn)一步包括第一監(jiān)控指標(biāo)和第二監(jiān)控指標(biāo)，所述第一監(jiān)控指標(biāo)對應(yīng)的控制限為第一控制限，所述第二監(jiān)控指標(biāo)對應(yīng)的控制限為第二控制限；所述監(jiān)控步驟進(jìn)一步通過以下步驟判斷工況過程是否正常:若所述差分工況向量的范數(shù)為零，則計算該差分工況向量對應(yīng)的工況向量的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)和實(shí)時第二監(jiān)控指標(biāo)，在所述實(shí)時第一監(jiān)控指標(biāo)大于第一控制限或所述實(shí)時第二監(jiān)控指標(biāo)大于第二控制限時，則判斷出工況過程發(fā)生異常；若所述差分工況向量的范數(shù)不為零，則計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo)，在該NLLP監(jiān)控指標(biāo)大于所述隱馬爾科夫模型的監(jiān)控指標(biāo)的控制限時，則判斷出工況過程發(fā)生異常，其中，NLLP表示所述隱馬爾科夫模型的負(fù)對數(shù)似然概率。
[0007]在一個實(shí)施例中，在所述監(jiān)控步驟中，若差分工況向量的范數(shù)IlVIlI= 0，則根據(jù)如下表達(dá)式計算工況q所對應(yīng)的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)DJs)和實(shí)時第二監(jiān)控指標(biāo)Dp (S):
[0008]Dr(S) = W CicjjSW2 =S1CicliS
[0009]Dp(s) = StPw [AwF1Pwts, [0010]其中，r為殘差子空間，P為主元子空間，s為實(shí)時獲取的過程數(shù)據(jù)的統(tǒng)計模式向量，Cw為工況q下建立的統(tǒng)計模式分析模型中殘差空間的投影矩陣，P(Q)為工況q下建立的統(tǒng)計模式分析模型中的負(fù)載矩陣，Λω為工況q下建立的統(tǒng)計模式分析模型中主元所對應(yīng)的協(xié)方差矩陣特征值拼成的對角矩陣。
[0011]在一個實(shí)施例中，通過以下表達(dá)式計算過程數(shù)據(jù)的統(tǒng)計模式向量s:s =(:01[μ，Σ，Ξ]，其中，μ表示實(shí)時獲取的W時長內(nèi)的均值向量，Σ表示二階矩，Ξ表示高階矩，col [.]表示將矩陣排列成列向量的形式，所述二階矩包括方差、協(xié)方差以及自相關(guān)系數(shù)。
[0012]在一個實(shí)施例中，在所述監(jiān)控步驟中，若差分工況向量的范數(shù)11 ▽ Il I關(guān)0，則根據(jù)如下公式計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo):
[0013]NLLP = -1ogPr (Onew | s*),
[0014]其中，PH.)表示事件發(fā)生的概率，Onew為實(shí)時獲取的最新的過程數(shù)據(jù)，s*表示Onew所處的工況。
[0015]在一個實(shí)施例中，在所述計算步驟中，基于實(shí)時獲取的過程數(shù)據(jù)使用Viterbi算法獲取所述工況向量I = [ii, i2,…，iw]T，其中，w表示過程數(shù)據(jù)的獲取時長，ij(j = I, *.., w)表示w時長內(nèi)過程數(shù)據(jù)所處的工況序號。
[0016]在一個實(shí)施例中，利用以下表達(dá)式來計算所述差分工況向量:
[0017]V I = [ V I1, V i2,…，V IiwU11K V Ij = l-ψ (iJ+1-1j),函數(shù) Ψ (.)在 O處取值為I，其余點(diǎn)取值為O。
[0018]根據(jù)本發(fā)明的另一方面，還提供了一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控系統(tǒng)，包括:采集模塊，其用于采集不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集；第一獲取模塊，其基于所述訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取所述隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；第二獲取模塊，其基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型，并獲取各個統(tǒng)計模式分析模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；計算模塊，其基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，并基于所述工況向量計算差分工況向量；監(jiān)控模塊，其根據(jù)所述差分工況向量的范數(shù)，選取所述隱馬爾科夫模型或各個工況對應(yīng)的統(tǒng)計模式分析模型相應(yīng)的監(jiān)控指標(biāo)，并對所選取的監(jiān)控指標(biāo)進(jìn)行實(shí)時計算，將計算得到的實(shí)時監(jiān)控指標(biāo)與該模型的監(jiān)控指標(biāo)所對應(yīng)的控制限比對，來監(jiān)控該工況的運(yùn)行狀況。
[0019]在一個實(shí)施例中，所述統(tǒng)計模式分析模型的監(jiān)控指標(biāo)進(jìn)一步包括第一監(jiān)控指標(biāo)和第二監(jiān)控指標(biāo)，所述第一監(jiān)控指標(biāo)對應(yīng)的控制限為第一控制限，所述第二監(jiān)控指標(biāo)對應(yīng)的控制限為第二控制限；在所述監(jiān)控模塊中進(jìn)一步通過以下步驟判斷工況過程是否正常:若所述差分工況向量的范數(shù)為零，則計算該差分工況向量對應(yīng)的工況向量的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)和實(shí)時第二監(jiān)控指標(biāo)，在所述實(shí)時第一監(jiān)控指標(biāo)大于第一控制限或所述實(shí)時第二監(jiān)控指標(biāo)大于第二控制限時，則判斷出工況過程發(fā)生異常；若所述差分工況向量的范數(shù)不為零，則計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo)，在該NLLP監(jiān)控指標(biāo)大于所述隱馬爾科夫模型的監(jiān)控指標(biāo)的控制限時，則判斷出工況過程發(fā)生異常，其中，NLLP表示所述隱馬爾科夫模型的負(fù)對數(shù)似然概率。
[0020]在一個實(shí)施例中，所述計算模炔基于實(shí)時獲取的過程數(shù)據(jù)使用Viterbi算法獲取所述工況向量I = Li1, i2,…，iw]T，其中，w表示過程數(shù)據(jù)的獲取時長,ij(j = I,..., w)表示w時長內(nèi)過程數(shù)據(jù)所處的工況序號。
[0021]與現(xiàn)有技術(shù)相比，本發(fā)明的一個或多個實(shí)施例可以具有如下優(yōu)點(diǎn):
[0022]本發(fā)明根據(jù)不同工況下的所有正常數(shù)據(jù)與同一工況的正常數(shù)據(jù)來分別計算不同的控制限，并且實(shí)時獲取過程數(shù)據(jù)計算差分工況向量，最后基于差分工況向量的范數(shù)選擇切換至合適的監(jiān)控指標(biāo)，通過對比該監(jiān)控指標(biāo)與其對應(yīng)的控制限來判斷該過程是否正常，該方法實(shí)時獲取過程數(shù)據(jù)保證了判斷的可靠性，并且不需要每個工況下的數(shù)據(jù)服從高斯分布，具有更高的適用性。
[0023]本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。
【專利附圖】

【附圖說明】
[0024]附圖用來提 供對本發(fā)明的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實(shí)施例共同用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中:
[0025]圖1是根據(jù)本發(fā)明一實(shí)施例的基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法的流程圖；
[0026]圖2是根據(jù)本發(fā)明一示例的實(shí)時過程數(shù)據(jù)采集的示意圖；
[0027]圖3是根據(jù)本發(fā)明一實(shí)施例的基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控系統(tǒng)的框圖；
[0028]圖4是根據(jù)本發(fā)明一示例的測試?yán)齀中有限混合高斯模型方法的檢測結(jié)果的曲線圖；
[0029]圖5是根據(jù)本發(fā)明一示例的測試?yán)齀中SPA方法的檢測結(jié)果的曲線圖；
[0030]圖6是根據(jù)本發(fā)明一示例的測試?yán)齀中基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法的檢測結(jié)果的曲線圖；
[0031]圖7是根據(jù)本發(fā)明一示例的測試?yán)?中有限混合高斯模型方法的檢測結(jié)果的曲線圖；
[0032]圖8是根據(jù)本發(fā)明一示例的測試?yán)?中SPA方法的檢測結(jié)果的曲線圖；
[0033]圖9是根據(jù)本發(fā)明一示例的測試?yán)?中基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法的檢測結(jié)果的曲線圖；
[0034]圖10是根據(jù)本發(fā)明的另一示例的連續(xù)攪拌加熱罐的結(jié)構(gòu)示意圖；
[0035]圖11是根據(jù)本發(fā)明的另一示例的有限混合高斯模型方法的檢測結(jié)果的曲線圖；[0036]圖12是根據(jù)本發(fā)明的另一示例的SPA方法的檢測結(jié)果的曲線圖；
[0037]圖13是根據(jù)本發(fā)明的另一示例的基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法的檢測結(jié)果的曲線圖。
【具體實(shí)施方式】
[0038]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，以下結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)說明。
[0039]第一實(shí)施例
[0040]圖1是根據(jù)本發(fā)明一實(shí)施例的基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法的流程圖。下面結(jié)合圖1對該方法進(jìn)行詳細(xì)說明。
[0041]步驟S110，采集不同工況(即動力設(shè)備在一定條件下的工作狀態(tài))下的正常數(shù)據(jù)作為訓(xùn)練樣本集。
[0042]具體來說，從化工過程數(shù)據(jù)庫中獲取不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集:
5?,劣，…，其中，5,= 1，…Μ)是第i個工況的數(shù)據(jù)樣本，f
表示N行m列的實(shí)數(shù)矩陣，Ni表示第i個工況的樣本數(shù)目，N表示總的樣本數(shù)目，m表示傳感器的個數(shù)。
[0043]步驟S120，基于訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取該隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限；基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型(以下簡稱為SPA模型)，并獲取各個的SPA模型的監(jiān)控指標(biāo)所對應(yīng)的不同的控制限。
[0044]詳細(xì)地說，本實(shí) 施例獲取隱馬爾科夫模型的NLLP監(jiān)控指標(biāo)的控制限δ NLLP, NLLP表示隱馬爾科夫模型的負(fù)對數(shù)似然概率。具體地，利用訓(xùn)練樣本集B，使用EM算法(即最大期望算法)可訓(xùn)練得到隱馬爾科夫模型的參數(shù)集λ并獲得NLLP監(jiān)控指標(biāo)的控制限Smp。通常，利用正常訓(xùn)練樣本集計算NLLP監(jiān)控指標(biāo)，根據(jù)選取的置信水平(比如在實(shí)際例子中選取的是98%的置信水平)，即可得到控制限δ mp。
[0045]對于SPA模型，利用各個工況的訓(xùn)練樣本Bi來建立相應(yīng)工況下的SPA模型，SPA模型的監(jiān)控指標(biāo)進(jìn)一步包括第一監(jiān)控指標(biāo)W (即殘差子空間監(jiān)控指標(biāo))和第二監(jiān)控指標(biāo)Dp (BP主元子空間監(jiān)控指標(biāo))，SPA模型的監(jiān)控指標(biāo)所對應(yīng)的控制限進(jìn)一步包括第一控制限和第二控制限δρ。與Smp的獲取相似，根據(jù)正常訓(xùn)練樣本計算&和Dp監(jiān)控指標(biāo)，再根據(jù)選取的置信水平(比如在實(shí)際例子中選取的是98%的置信水平)，即可得到控制限和δρ。
[0046]此外，SPA方法基于中心極限定理，而中心極限定理的思想為“不論隨機(jī)變量的分布如何，隨機(jī)變量的統(tǒng)計量漸進(jìn)地服從高斯分布”，所以本實(shí)施例的方法并不需要每個工況下的數(shù)據(jù)服從高斯分布。
[0047]步驟S130，基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，并基于該工況向量計算差分工況向量。
[0048]在本實(shí)施例中，將實(shí)時獲取的過程數(shù)據(jù)形象化在一個可滑動的窗口中，即這里計算的過程數(shù)據(jù)為窗口內(nèi)的數(shù)據(jù)，通過沿采樣時間軸滑動窗口向前移動可更新窗口內(nèi)部的過程數(shù)據(jù)，實(shí)時獲取數(shù)據(jù)的時長則為滑動窗口的長度。具體地，基于實(shí)時獲取的過程數(shù)據(jù)使用Viterbi算法獲取工況向量Ik = [ilk, i2k,…，iwk]T，其中，w表示過程數(shù)據(jù)的獲取時長,ijk(j=l,-,w)表示第k個滑動窗口(即當(dāng)前的滑動窗口)內(nèi)數(shù)據(jù)所處的工況序號。[0049]圖2是根據(jù)本發(fā)明一示例的實(shí)時過程數(shù)據(jù)采集的示意圖。容易理解，圖2中的兩個滑動窗口并不同時存在，而是滑動窗口 I包含采樣時間段[10，50]內(nèi)的過程數(shù)據(jù)，滑動窗口 II包含采樣時間段[70，110]內(nèi)的過程數(shù)據(jù)。
[0050]進(jìn)一步地，差分工況向量的表達(dá)式為▽ Ik = [V ilk, V i2k,…，V i(w_1)k]T，其中，▽ iJk = 1-Ψ (i(j+1)k_ijk)，iJk(j = I, *.., w)表示當(dāng)前的滑動窗口(即滑動窗口 k)內(nèi)數(shù)據(jù)所處的工況序號，函數(shù)Ψ(.)在O處取值為I，其余點(diǎn)取值為O。
[0051]步驟S140，基于上述差分工況向量的范數(shù)，選取隱馬爾科夫模型或各個工況對應(yīng)的SPA模型相應(yīng)的監(jiān)控指標(biāo)，并對所選取的監(jiān)控指標(biāo)進(jìn)行實(shí)時計算，將計算得到的實(shí)時監(jiān)控指標(biāo)與該模型的監(jiān)控指標(biāo)所對應(yīng)的控制限比對，來監(jiān)控該工況的運(yùn)行狀況。
[0052]首先，判斷差分工況向量的范數(shù)I I ▽ Il I是否為零。若差分工況向量的范數(shù)
IVIl為零，說明當(dāng)前所獲取的過程數(shù)據(jù)屬于同一工況，即工況并沒有發(fā)生變化，如圖2
中滑動窗口 I中所示。若差分工況向量的范數(shù)IlVIlI不為零，則說明當(dāng)前所獲取的過程數(shù)據(jù)屬于不同工況，如圖2中滑動窗口 II中所示。
[0053]然后，在差分工況向量的范數(shù)IlVIlI為零時，計算該差分工況向量對應(yīng)的工況的實(shí)時監(jiān)控指標(biāo)(即SPA模型的實(shí)時監(jiān)控指標(biāo)DJs)和Dp(s))，在實(shí)時第一監(jiān)控指標(biāo)DJs)大于其所對應(yīng)的控制限L時或?qū)崟r第二監(jiān)控指標(biāo)Dp(S)大于其所對應(yīng)的控制限δρ，則判斷出工況過程發(fā)生異常。通過如下表達(dá)式來計算工況q的SPA模型的監(jiān)控指標(biāo):
[0054]Dr(S)^W dll2 - sTCig、s
[0055]Dp(s) = sTP(q) [A (q)]_1P(q)Ts,`[0056]其中，r為殘差子空間，P為主元子空間，s為實(shí)時獲取的過程數(shù)據(jù)的統(tǒng)計模式向
量C為工況q下建立的SPA模型中殘差空間的投影矩陣，P(q)為工況q下建立的SPA模
型中的負(fù)載矩陣，Λ ω為工況q下建立的SPA模型中主元所對應(yīng)的協(xié)方差矩陣特征值拼成的對角矩陣。具體地，通過以下表達(dá)式計算過程數(shù)據(jù)的統(tǒng)計模式向量s:
[0057]s = col [ μ , Σ , Ξ ]
[0058]其中，μ表示實(shí)時獲取的w時長內(nèi)的均值向量，Σ表示二階矩，Ξ表示高階矩，符號col[.]表示將矩陣排列成列向量的形式，上述二階矩包括方差、協(xié)方差以及自相關(guān)系數(shù)。
[0059]在差分工況向量的范數(shù)IlVIlI不為零時，則計算隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo)，在該NLLP監(jiān)控指標(biāo)大于隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限δ 時，則判斷出工況過程發(fā)生異常。具體通過以下表達(dá)式獲取實(shí)時NLLP監(jiān)控指標(biāo):
[0060]NLLP = -1ogPr (Onew | s*),
[0061]其中，PH.)表示事件發(fā)生的概率，Onew為實(shí)時獲取的最新的過程數(shù)據(jù)，？表示Onew所處的工況。實(shí)際上，由于NLLP監(jiān)控指標(biāo)的計算依賴于工況，所以不同的工況下的NLLP指標(biāo)的控制限也有所區(qū)別。
[0062]在一個示例中，也可以通過公式NLLP = -1ogPr (Onew | λ )來計算NLLP監(jiān)控指標(biāo)，其中λ為隱馬爾科夫模型的完整參數(shù)集。
[0063]值得注意的是，由于根據(jù)差分工況向量的不同，不同監(jiān)控指標(biāo)在當(dāng)前時刻的適合程度不同，本實(shí)施例智能地在NLLP監(jiān)控指標(biāo)與SPA模型監(jiān)控指標(biāo)間進(jìn)行指標(biāo)切換，而不是像現(xiàn)有監(jiān)控方法中的一個監(jiān)控指標(biāo)一直用到底。如上所述，當(dāng)差分工況向量不為零時，此時新進(jìn)入滑動窗口的工況數(shù)據(jù)量不足，即無法“裝滿” 一個窗口，求出的統(tǒng)計量不準(zhǔn)確，導(dǎo)致故障的誤報率增高，因此選擇選擇隱馬爾科夫模型的NLLP監(jiān)控指標(biāo)。當(dāng)差分工況向量為零時，說明數(shù)據(jù)處于同于工況，求出的統(tǒng)計量準(zhǔn)確，監(jiān)控更加全面，所以選擇SPA模型中的兩個指標(biāo)。
[0064]最后，輸出過程監(jiān)控結(jié)果，以方便對出現(xiàn)故障的工況進(jìn)行維護(hù)。
[0065]示例
[0066]為了進(jìn)一步理解本發(fā)明，下面對兩個示例進(jìn)行說明。
[0067]示例一:數(shù)值仿真
[0068]用下面的線性系統(tǒng)產(chǎn)生數(shù)據(jù):
X1 0.3723 0.6815「] C1
[0069]X2 = 0.4890 0.2954 1 + e2
—x3」[0.9842 0.1793」匕~」
[0070]其中X = [X1 X2 x3]T表示三個傳感器的測量，S= [S1 s2]T表示兩個獨(dú)立的數(shù)據(jù)源，e= Le1 e2 e3]T表示獨(dú)立的三個均值為O、標(biāo)準(zhǔn)差為0.1的高斯噪聲。下面列出系統(tǒng)處于三個不同工況時，數(shù)據(jù)源所服 從的概率分布:
[0071]工況l:Sl:N(10, 0.8) ;s2:N(12, 1.3)
[0072]工況2: S1: N (5，0.6) ; S2: N (20，0.7)
[0073]工況3:Sl:N(16, 1.5) ;s2:N(30, 2.5)
[0074]其中Ν(μ，ο2)表示均值為μ，方差為σ 2的高斯分布。對三種不同工況的測試數(shù)據(jù)的描述如表1所示。其中，偏移故障為傳感器上的恒定值偏差，漂移故障為傳感器上的幅值從小逐漸變化到大的偏差。
[0075]表1.數(shù)值仿真中測試數(shù)據(jù)的描述
[0076]
測試?yán)蛱朤M數(shù)據(jù)描述采樣時刻^
?MΠ--
測試?yán)齀2正常101-200
2幅值為0.5的偏移故障加在X3201-400
3正常1-100測試?yán)? 2 正常 101-2U0

2漂移故障/⑷= 0.0耿-200)加在X1201-400
[0077]為了驗(yàn)證本示例的有效性以及在故障檢測率和誤報率方面的優(yōu)勢，選取了有限混合高斯模型(FGMM)方法和統(tǒng)計模式分析(SPA)的方法(沒有指標(biāo)切換)作為對比方法。圖4-圖9顯示了各種方法針對測試?yán)齀與測試?yán)?的故障檢測結(jié)果的示意圖。其中，圖4、圖7中的BIP指標(biāo)為有限聞斯混合I旲型中的貝葉斯推理概率指標(biāo)，圖5、圖8中的Dp指標(biāo)為SPA模型中主元空間的監(jiān)控指標(biāo),?指標(biāo)為SPA模型中殘差空間的監(jiān)控指標(biāo)，圖6、圖9中的Dp-NLLP指標(biāo)為Dp指標(biāo)與NLLP指標(biāo)切換，Dr-NLLP指標(biāo)為化指標(biāo)與NLLP指標(biāo)切換。
[0078]表2所示為各種方法的故障診斷率和誤報率的總結(jié)。
[0079]表2.示例一中不同方法故障檢測率(FDR)和誤報率(FAR)的比較
[0080]
【權(quán)利要求】
1.一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控方法，包括: 采集步驟，采集不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集； 第一獲取步驟，基于所述訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取所述隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限； 第二獲取步驟，基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型，并獲取各個統(tǒng)計模式分析模型的監(jiān)控指標(biāo)所對應(yīng)的控制限； 計算步驟，基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，并基于所述工況向量計算差分工況向量； 監(jiān)控步驟，根據(jù)所述差分工況向量的范數(shù)，選取所述隱馬爾科夫模型或各個工況對應(yīng)的統(tǒng)計模式分析模型相應(yīng)的監(jiān)控指標(biāo)，并對所選取的監(jiān)控指標(biāo)進(jìn)行實(shí)時計算，將計算得到的實(shí)時監(jiān)控指標(biāo)與該模型的監(jiān)控指標(biāo)所對應(yīng)的控制限比對，來監(jiān)控該工況的運(yùn)行狀況。
2.根據(jù)權(quán)利要求1所述的監(jiān)控方法，其特征在于， 所述統(tǒng)計模式分析模型的監(jiān)控指標(biāo)進(jìn)一步包括第一監(jiān)控指標(biāo)和第二監(jiān)控指標(biāo)，所述第一監(jiān)控指標(biāo)對應(yīng)的控制限為第一控制限，所述第二監(jiān)控指標(biāo)對應(yīng)的控制限為第二控制限；所述監(jiān)控步驟進(jìn)一步通過以下步驟判斷工況過程是否正常: 若所述差分工況向量的范數(shù)為零，則計算該差分工況向量對應(yīng)的工況向量的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)和實(shí)時第二監(jiān)控指標(biāo)，在所述實(shí)時第一監(jiān)控指標(biāo)大于第一控制限或所述實(shí)時第二監(jiān)控指標(biāo)大于第二控制限時，則判斷出工況過程發(fā)生異常； 若所述差分工況向量的范數(shù)不為零，則計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo)，在該NLLP監(jiān)控指標(biāo)大于`所述隱馬爾科夫模型的監(jiān)控指標(biāo)的控制限時，則判斷出工況過程發(fā)生異常，其中，NLLP表示所述隱馬爾科夫模型的負(fù)對數(shù)似然概率。
3.根據(jù)權(quán)利要求2所述的監(jiān)控方法，其特征在于， 在所述監(jiān)控步驟中，若差分工況向量的范數(shù)IlViII = O，則根據(jù)如下表達(dá)式計算工況q所對應(yīng)的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)DJs)和實(shí)時第二監(jiān)控指標(biāo)Dp(S):Dr(^) = II C(?)5ll2=/C(?,5Dp(S) = StPw [Λ wF1Pwts, 其中，r為殘差子空間，ρ為主元子空間，s為實(shí)時獲取的過程數(shù)據(jù)的統(tǒng)計模式向量，Cw為工況q下建立的統(tǒng)計模式分析模型中殘差空間的投影矩陣，Pw為工況q下建立的統(tǒng)計模式分析模型中的負(fù)載矩陣，Λω為工況q下建立的統(tǒng)計模式分析模型中主元所對應(yīng)的協(xié)方差矩陣特征值拼成的對角矩陣。
4.根據(jù)權(quán)利要求3所述的監(jiān)控方法，其特征在于，通過以下表達(dá)式計算過程數(shù)據(jù)的統(tǒng)計模式向量s:
s = col [ μ , Σ , Ξ ], 其中，μ表示實(shí)時獲取的w時長內(nèi)的均值向量，Σ表示二階矩，Ξ表示高階矩，col [.]表示將矩陣排列成列向量的形式，所述二階矩包括方差、協(xié)方差以及自相關(guān)系數(shù)。
5.根據(jù)權(quán)利要求2所述的監(jiān)控方法，其特征在于， 在所述監(jiān)控步驟中，若差分工況向量的范數(shù)11 VIl I關(guān)0，則根據(jù)如下公式計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo):NLLP = -1ogPr (Onew | s*), 其中，PH.)表示事件發(fā)生的概率，Onew為實(shí)時獲取的最新的過程數(shù)據(jù)，s*表示Onrat所處的工況。
6.根據(jù)權(quán)利要求1所述的監(jiān)控方法，其特征在于，在所述計算步驟中，基于實(shí)時獲取的過程數(shù)據(jù)使用Viterbi算法獲取所述工況向量I = [i1； i2，…，iw]T，其中，w表示過程數(shù)據(jù)的獲取時長，Ij U = 1，...，《)表示w時長內(nèi)過程數(shù)據(jù)所處的工況序號。
7.根據(jù)權(quán)利要求6所述的監(jiān)控方法，其特征在于，利用以下表達(dá)式來計算所述差分工況向量: VI = [ V I1, V I2,…，V iw_JT,其中，▽ ij = l-ψ (iJ+1-1j)，函數(shù) Ψ (.)在 O 處取值為I，其余點(diǎn)取值為O。
8.一種基于監(jiān)控指標(biāo)切換的多工況過程監(jiān)控系統(tǒng)，包括: 采集模塊，其用于采集不同工況下的正常數(shù)據(jù)作為訓(xùn)練樣本集； 第一獲取模塊，其基于所述訓(xùn)練樣本集得到隱馬爾科夫模型，并獲取所述隱馬爾科夫模型的監(jiān)控指標(biāo)所對應(yīng)的控制限； 第二獲取模塊，其基于各個工況的訓(xùn)練樣本分別建立對應(yīng)工況的統(tǒng)計模式分析模型，并獲取各個統(tǒng)計模式分析模型的監(jiān)控指標(biāo)所對應(yīng)的控制限； 計算模塊，其基于實(shí)時獲取的過程數(shù)據(jù)計算工況向量，并基于所述工況向量計算差分工況向量； 監(jiān)控模塊，其根據(jù)所述差分工況向量的范數(shù)，選取所述隱馬爾科夫模型或各個工況對應(yīng)的統(tǒng)計模式分析模型相應(yīng)的監(jiān)控指標(biāo)，并對所選取的監(jiān)控指標(biāo)進(jìn)行實(shí)時計算，將計算得到的實(shí)時監(jiān)控指標(biāo)與該模型的監(jiān)控指`標(biāo)所對應(yīng)的控制限比對，來監(jiān)控該工況的運(yùn)行狀況。
9.根據(jù)權(quán)利要求8所述的監(jiān)控系統(tǒng)，其特征在于，所述統(tǒng)計模式分析模型的監(jiān)控指標(biāo)進(jìn)一步包括第一監(jiān)控指標(biāo)和第二監(jiān)控指標(biāo)，所述第一監(jiān)控指標(biāo)對應(yīng)的控制限為第一控制限，所述第二監(jiān)控指標(biāo)對應(yīng)的控制限為第二控制限； 在所述監(jiān)控模塊中進(jìn)一步通過以下步驟判斷工況過程是否正常: 若所述差分工況向量的范數(shù)為零，則計算該差分工況向量對應(yīng)的工況向量的統(tǒng)計模式分析模型的實(shí)時第一監(jiān)控指標(biāo)和實(shí)時第二監(jiān)控指標(biāo)，在所述實(shí)時第一監(jiān)控指標(biāo)大于第一控制限或所述實(shí)時第二監(jiān)控指標(biāo)大于第二控制限時，則判斷出工況過程發(fā)生異常； 若所述差分工況向量的范數(shù)不為零，則計算所述隱馬爾科夫模型的實(shí)時NLLP監(jiān)控指標(biāo)，在該NLLP監(jiān)控指標(biāo)大于所述隱馬爾科夫模型的監(jiān)控指標(biāo)的控制限時，則判斷出工況過程發(fā)生異常，其中，NLLP表示所述隱馬爾科夫模型的負(fù)對數(shù)似然概率。
10.根據(jù)權(quán)利要求8所述的監(jiān)控系統(tǒng)，其特征在于， 所述計算模炔基于實(shí)時獲取的過程數(shù)據(jù)使用Viterbi算法獲取所述工況向量I =[ii, i2,…，iw]T，其中，w表示過程數(shù)據(jù)的獲取時長，ij(j = I,…，w)表示w時長內(nèi)過程數(shù)據(jù)所處的工況序號； 在獲取所述工況向量后，所述計算模塊進(jìn)一步利用以下表達(dá)式計算所述差分工況向量:▽工=[▽ i” ▽ i2，…，V iw_jT，其中，▽ ij = nad.)，函數(shù) Ψ(.)在O處取值為I，其余點(diǎn)取值為O。
【文檔編號】G05B17/00GK103631145SQ201310675045
【公開日】2014年3月12日 申請日期:2013年12月11日 優(yōu)先權(quán)日:2013年12月11日
【發(fā)明者】周東華, 寧超, 陳茂銀 申請人:清華大學(xué)