申请/专利权人：华东理工大学

申请日：2021-12-22

公开（公告）日：2024-07-05

公开（公告）号：CN114415609B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.11.29#实质审查的生效;2022.04.29#公开

摘要：本发明公开一种基于多子空间划分的动态过程精细化监测方法，旨在考虑数据时序相关性差异以及过程变量服从不同分布的问题，并在此基础上实施基于高斯非高斯以及时序非时序子空间划分的动态过程精细化监测。本发明方法的主要核心首先在于根据数据时间序列相关性和Kolmogorov‑SmirnovKS检验将原始空间划分为四个子空间；其次在于利用PCA方法和SFA方法分别提取不同子空间的特征进行子空间内监测，并采用移动窗口策略和互信息方法测量四个子空间间的相关关系；最后建立综合监测指标实施精细化监测。相比于传统动态过程监测方法，本发明方法在动态过程的监测效果上取得了优越于动态PCA方法的效果。可以说，本发明方法是一种更为优选的动态过程精细化监测方法。

主权项：1.一种基于多子空间划分的动态过程精细化监测方法，其特征在于，包括以下步骤：离线建模阶段的实施过程如下所示：步骤1：采集生产过程正常运行状态下的样本，组成训练数据集X＝[x1，x2，...，xm]∈Rn×m，其中xi∈Rn×1i＝1，2，...，m，表示n个样本下不同类型的传感器变量，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；步骤2：不同类型xi∈Rn×1i＝1，2，...，m有着不同程度的时间序列相关性，采用自相关函数ACF度量xit与xit+k之间的相关性，从而将训练数据集X∈Rn×m划分为序列相关子空间和序列不相关子空间步骤3：分别在序列相关子空间和序列不相关子空间中应用Kolmogorov-SmirnovKS方法来检验数据是否服从高斯分布，进一步将这两个子空间划分为四个子空间：高斯-序列相关子空间Gc：高斯-序列不相关子空间Gu：非高斯-序列相关子空间Hc：和非高斯-序列不相关子空间Hu：；其中，nt+nk＝mc，mt+mk＝mu；步骤4：对四个子空间的数据集进行预处理和归一化，使得每个子空间的各个过程变量均值为零，方差为1，从而得到新的子空间为：步骤5：在标准化后的高斯-序列不相关子空间和非高斯-序列不相关子空间中，分别对空间和构建PCA模型，进行数据降维，从而得到模型的主成分矩阵TGu，THu与残差矩阵EGu，EHu，然后，在特征空间和残差空间中依据公式和分别构建TGu2，THu2和SPEGu，SPEHu统计量进行子空间内监测；步骤6：在标准化后的高斯-序列相关子空间和非高斯-序列相关子空间中，使用SFA方法提取和的时间序列相关慢特征信息，然后根据公式和分别构建TGc2，THc2和SPEGc，SPEHc统计量进行子空间内监测；步骤7：采用移动窗口策略和互信息方法测量四个子空间之间的关系变化，假设中的第t个样本分别表示为将移动窗口的长度设置为2L，则每个子空间内移动窗可分别构造为根据如下公式计算子空间间的互信息： 然后，在构造的移动窗口的基础上，根据下式构造统计量，计算四个子空间之间的关系变化： 步骤8：结合子空间内监测统计量和子空间间监测统计量，利用局部离群因子LOF方法进行综合监测统计量LOFy的构建；设则对于Y中的一个样本y，y的LOF可计算为： 其中，LRDy表示y的局部可达密度；然后，采用核密度估计KDE方法确定综合监测统计量LOFyt的控制限LOFlim；在线过程监测的实施过程如下所示：步骤9：收集新采样时刻的样本数据xt，其中下标号t表示当前最新采样时刻；步骤10：根据离线建模时得到的四个子空间划分标准对测试样本xt进行划分，从而得到四个子空间中的样本数据：x′Gc，x′Gu，x′Hc，x′Hu；步骤11：对四个子空间的测试样本分别利用步骤4中得到的均值及标准差进行处理，从而得到标准化后的测试样本数据：步骤12：对于利用离线建模步骤5中得到的PCA模型进行特征提取分别构建T′Gu2，SPE′Gu，T′Hu2和SPE′Hu统计量；步骤13：对于根据离线建模步骤6中得到的SFA模型进行慢特征提取分别构建T′Gc2，SPE′Gc，T′Hc2和SPE′Hc统计量；步骤14：对实施步骤7中的移动窗口策略和互信息方法，进一步计算出：步骤15：结合测试子空间内监测统计量和子空间间统计量，利用步骤8中局部离群因子方法构建综合监测统计量LOFyt；步骤16判断是否满足条件：LOFyt＜LOFlim；若是，则当前测试样本为正常工况采样，返回步骤9继续实施对下一个样本数据的监测；否则，当前采样数据来自故障工况。

全文数据：

权利要求：

百度查询： 华东理工大学 一种基于多子空间划分的动态过程精细化监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD