一种基于张量全局-局部保持投影的间歇过程在线监控方法，包括以下步骤：1）选择正常批次数据，建立训练样本集；建立移动数据窗口，得到k时刻窗口内的数据将标准化为Xk；对Xk执行张量全局-局部保持投影算法，得到投影矩阵U和V；建立监控模型Yk=UTXkV，计算k时刻样本批次的SPE统计量；计算SPE统计量的控制限；2）记录监控批次在k时刻窗口内的数据将其标准化为把映射到监控模型，计算SPE统计量；检查SPE是否超限；如果超过，进行故障诊断，否则继续监控k+1时刻。本发明专利技术通过集成张量全局-局部保持投影和移动数据窗口技术，能同时挖掘数据全局和局部特征、有效避免数据展开引起的信息损失、准确性良好。
【技术实现步骤摘要】
ー种基于张量全局-局部保持投影的间歇过程在线监控方法
本专利技术涉及过程监控领域，具体涉及ー种间歇过程监控方法。
技术介绍
目前，间歇过程在生物制药、食品加工、精细化工、冶金及造纸等行业中被广泛采用。间歇过程由于受多エ序、多变量、反应复杂、エ序运行时间不确定、产品频繁更换等多种因素的影响，发生异常エ况的概率较高。一旦出现异常エ况，就有可能产生连锁反应，导致生产能力下降和产品质量波动，严重情况下甚至可能损坏设备，造成人员伤亡和环境污染，影响企业的可持续发展。如何保障间歇过程安全可靠地运行并产出质量稳定的产品，已成为过程エ业界关注的焦点。过程监控作为保障エ业过程生产安全和产品质量的有效手段，自20世纪中后期以来愈来愈受到众多学者的重视。与连续エ业过程类似，间歇过程的过程监控方法大致可划分为三类:基于定量数学模型的方法、基于知识的方法和基于数据驱动的方法。基于数学模型的方法和基于知识的方法依赖于精确的过程模型以及大量生产经验和过程知识，实施困难、通用性较差。基于数据驱动的方法以多变量统计分析理论为基础，仅利用过程数据进行建模和监控，操作简单、实施方便，是目前间歇过程监控领域的研究热点。由于基于数据驱动的过程监控方法是基于过程数据来建模的，对数据中所包含的结构信息挖掘是否充分将直接影响过程监测的效果。然而，现有的大多数方法是基于传统多元统计分析方法(例如PCA)发展而来的，它们仅关注了数据的全局结构信息，即方差信息，而对于数据的局部结构信息，即数据之间的拓扑关系，没有给予足够的重视，导致监控效果不是很理想。近年来，出现了部分基于流形学习算法(例如LPP)的过程监控方法，这些方法与传统多元统计分析方法正相反，它们虽然能够充分挖掘数据的局部结构信息，却忽略了数据的全局结构信息。目前，能够同时对数据的全局结构和局部结构进行分析和特征提取的算法是比较匮乏的。另ー方面，间歇过程的生产数据具有独特的三维数据集结构形式，利用传统的多向多元统计方法(例如MPCA、MPLS和MLPP等)分析间歇过程数据时，需先将三维数据集展开成ニ维矩阵，才能进行分析和建摸。然而，数据展开不仅会破坏原有数据的空间相关性，引起结构信息损失，而且容易造成“维数灾难”，严重影响过程监控效果。
技术实现思路
为了克服现有间歇过程监控方法仅关注数据全局或局部特征、数据展开时存在信息损失、准确性较差的不足，本专利技术通过集成张量全局-局部保持投影和移动数据窗ロ技术，提供ー种能同时挖掘数据全局和局部特征、有效避免由数据展开引起的信息损失、准确性良好的基于张量全局-局部保持投影的间歇过程在线监控方法。本专利技术所采用的技术方案是:，所述监控方法包括以下步骤:I)建立间歇过程的离线监控模型，由以下步骤实现:(1.1)选择间歇过程的正常批次数据X1(KXJ), XJKXJI'XJKXJ)，...,X1(KXJ),建立训练样本集本文档来自技高网...
【技术保护点】
一种基于张量全局?局部保持投影的间歇过程在线监控方法，其特征在于：所述监控方法包括以下步骤：1）建立间歇过程的离线监控模型，由以下步骤实现：（1.1）选择间歇过程的正常批次数据X1(K×J),X2(K×J),…,Xi(K×J),…,XI(K×J)，建立训练样本集其中I是正常批次的个数，K是采样点个数，J是变量个数；（1.2）选择移动数据窗口的长度l，得到在k时刻窗口内的数据样本X‾k(I×l×J)={X1k,X2k,···,Xik,···,XIk},其中为：（1.3）将标准化为具有零均值和单位方差的数据Xk(I×l×J)；（1.4）对Xk(I×l×J)执行张量全局?局部保持投影算法，得到投影矩阵U和V，具体过程如下：①利用k近邻方法确定样本集Xk(I×l×J)中各样本点的邻域分别求取邻接权系数Wij和非邻接权系数分别构造样本集的邻接权矩阵W和非邻接权矩阵②迭代求解如下两个广义特征值问题分别得到一组特征向量{vi,i=1,2,…,J}和{uj,j=1,2,…,K}：MUv＝λNUv?????????????????????（3）MVu＝λNVu?????????????????????（4）其中MU=(DU-WU)-(D‾U-W‾U),NU=D~U+IJ,MV=(DV-WV)-(D‾V-W‾V),NV=D^V+IK,DU=ΣiDiiXiTUUTXi,Dii=ΣjWij,WU=ΣijWijXjTUUTXi,D‾U=ΣiD‾iiXiTUUTXi,D‾ii=ΣjW‾ij,W‾U=ΣijW‾ijXjTUUTXi,DV=ΣiDiiXiVVTXiT,WV=ΣijWijXiVVTXjT,D‾V=ΣiD‾iiXiVVTXiT,W‾V=ΣijW‾ijXiVVTXjT,D~U=ΣiD~iiXiTUUTXi,D^V=ΣiD^iiXiVVTXiT,D^ii=0.5Dii-0.5D‾ii,D~ii=0.5Dii-0.5D‾ii,IJ和IK为单位矩阵；③利用得到的特征向量构造投影矩阵V=[v1,v2,…,vJ]和U=[u1,u2,…,uK]；（1.5）建立k时刻的监控模型：Yk=UTXkV????????????（5）利用下式分别计算所有正常批次在k时刻的SPE统计量：SPE=Σkj=1lJekj2=Σkj=1lJ(xkj-ykj)2---(6)式中xjk为变量j在k时刻的采样值，yjk为xjk的投影值，可由式（5）计算得到；（1.6）在置信水平为1?α的情况下，利用χ2分布计算SPE统计量的控制限：SPEα=gχh,α2,g=vm,h=2m2v---(7)式中m和v分别是所有正常批次的SPE统计量的均值和方差。2）进行在线监控，由以下步骤实现：（2.1）记录当前监控批次在k时刻移动窗口中的数据利用离线建模过程中得到的k时刻的均值和方差标准化该窗口数据，得到（2.2）把标准化后的窗口数据映射到监控模型，计算k时刻的SPE统计量；（2.3）检查SPE统计量是否超过其控制限；（2.4）如果统计量超过控制限，进行故障诊断，否则继续监控k+1时刻。FDA0000411763270000011.jpg,FDA00004117632700000117.jpg,FDA00004117632700000116.jpg,FDA0000411763270000013.jpg,FDA0000411763270000014.jpg,FDA0000411763270000015.jpg,FDA0000411763270000016.jpg,FDA0000411763270000017.jpg,FDA0000411763270000018.jpg,FDA0000411763270000019.jpg,FDA00004117632700000110.jpg,FDA00004117632700000111.jpg,FDA0000411763270000025.jpg,FDA0000411763270000026.jpg,FDA0000411763270000027.jpg...
【技术特征摘要】
1.一种基于张量全局-局部保持投影的间歇过程在线监控方法，其特征在于:所述监控方法包括以下步骤: I)建立间歇过程的离线监控模型，由以下步骤实现: (I.I)选择间歇过程的正常批次数据X, (K X J)，X2 (K X J)，…，Xi (K X J)，…，X1 (K X J)，建立训练样本集又(/X欠AS,..X...,;?，其中I是正常批次的个数，K是采样点个数，J是变量个数； (1.2)选择移动数据窗口的长度1，得到在k时刻窗口内的数据样本 2.根据权利要求1所述的ー种基于张量全局-局部保持投影的间歇过程在线监控方法，其...
【专利技术属性】
技术研发人员：罗利佳，包士毅，高增梁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。