專利名稱：工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置的制作方法
技術(shù)領(lǐng)域：
本實用新型涉及工業(yè)過程故障診斷領(lǐng)域，特別地，涉及一種工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置。
背景技術(shù)：
由于產(chǎn)品質(zhì)量、經(jīng)濟效益、安全以及環(huán)保的要求，工業(yè)過程和相關(guān)的控制系統(tǒng)變的非常復(fù)雜，為了保證工業(yè)系統(tǒng)的正常運作，故障的診斷和檢測在工業(yè)過程中扮演著非常重要的角色。近年來，統(tǒng)計分析應(yīng)用于過程監(jiān)控和故障診斷得到了廣泛的研究。
利用工業(yè)實測數(shù)據(jù)，采用統(tǒng)計的方法進行故障診斷，避開了復(fù)雜的機理分析，求解相對簡便快捷。但是目前的工業(yè)過程故障診斷裝置，大多是基于樣本數(shù)目趨于無窮大時的漸近統(tǒng)計方法，而在實際問題中，樣本數(shù)往往是有限的，因此一些理論上很優(yōu)秀的故障診斷方法在實際應(yīng)用中表現(xiàn)往往不盡人意。如何面對小樣本、非線性及要求模型泛化能力強的工業(yè)生產(chǎn)過程進行有效的故障診斷是現(xiàn)有的故障診斷裝置所急需解決的問題。

發(fā)明內(nèi)容
為了克服已有的工業(yè)過程故障診斷裝置的不能有效處理小樣本、非線性及要求模型泛化能力強的實測數(shù)據(jù)、難以得到較好的診斷效果的不足，本實用新型提供一種能夠處理較好的處理小樣本、非線性及要求模型泛化能力強的實測數(shù)據(jù)、能夠得到良好的診斷效果的工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置。
本實用新型解決其技術(shù)問題所采用的技術(shù)方案是 一種工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，包括與工業(yè)生產(chǎn)過程對象連接的現(xiàn)場智能儀表、DCS系統(tǒng)以及上位機，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機依次相連，所述的上位機包括 標準化處理模塊，用于對數(shù)據(jù)庫中采集系統(tǒng)正常時關(guān)鍵變量數(shù)據(jù)進行標準化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計算均值 2)計算方差 3)標準化 其中，TX為訓(xùn)練樣本，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值； 主元分析功能模塊，用于進行主元分析提取主成分，依照設(shè)置的主元方差提取率，采用協(xié)方差奇異值分解的方法，采用以下步驟來實現(xiàn) ①計算X的協(xié)方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，...，λp，其中λ1≥λ2≥...≥λp，對應(yīng)的特征向量矩陣為U； ③計算總方差和每個特征值對應(yīng)的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數(shù)為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F； 支持向量機分類器功能模塊，用于核函數(shù)采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，依照設(shè)置的置信概率，將訓(xùn)練過程化為如下二次規(guī)劃求解問題 得到分類函數(shù)，即如下函數(shù)的符號函數(shù) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 定義當f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當f(x)＜0時，處于異常狀態(tài)； 信號采集模塊，用于設(shè)定每次采樣的時間間隙，采集現(xiàn)場智能儀表的信號； 待診斷數(shù)據(jù)確定模塊，用于將采集的數(shù)據(jù)傳送到DCS實時數(shù)據(jù)庫中，在每個定時周期從DCS數(shù)據(jù)庫的實時數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX； 故障診斷模塊，用于對待檢測數(shù)據(jù)VX用訓(xùn)練時得到的

和σx2進行標準化處理，并將標準化處理后的數(shù)據(jù)作為主元分析模塊的輸入；用訓(xùn)練時得到的變換系數(shù)矩陣T對輸入進行變換，變換后矩陣輸入到支持向量機分類器模塊；將輸入代入訓(xùn)練得到的判別函數(shù)，計算判別函數(shù)值，判別過程的狀態(tài)； 所述現(xiàn)場智能儀表與信號采集單元數(shù)據(jù)連接，所述信號采集單元連接待診斷數(shù)據(jù)確定模塊，所述的待診斷數(shù)據(jù)確定模塊連接故障診斷模塊，所述標準化處理模塊與數(shù)據(jù)庫數(shù)據(jù)連接，所述標準化處理模塊與主元分析功能模塊連接，所述主元分析功能模塊與支持向量機分類器功能模塊連接，所述支持向量機分類器功能模塊與故障診斷模塊連接。
作為優(yōu)選的一種方案所述的上位機還包括判別模型更新模塊，用于定期將過程狀態(tài)正常的點添加到訓(xùn)練集VX中，輸出到標準化處理模塊、小波分解模塊、主元分析功能模塊、小波重構(gòu)功能模塊，并更新支持向量機分類器的分類模型；所述判別模型更新模塊與支持向量機分類器功能模塊連接。
作為優(yōu)選的另一種方案所述的上位機還包括結(jié)果顯示模塊，用于將故障診斷結(jié)果傳給DCS系統(tǒng)，并在DCS的控制站顯示過程狀態(tài)，并通過DCS系統(tǒng)和現(xiàn)場總線將過程狀態(tài)信息傳遞到現(xiàn)場操作站進行顯示；所述故障診斷模塊的輸出連接所述結(jié)果顯示模塊。
上位機中主元分析功能模塊具有的強的解相關(guān)性能力和支持向量機分類器功能模塊具有的良好的多變量非線性映射能力和強泛化能力。能夠很好的處理小樣本、非線性及要求模型泛化能力強的實測數(shù)據(jù)。
本實用新型的有益效果主要表現(xiàn)在將主元分析功能模塊和支持向量機分類器功能模塊二者很好地結(jié)合在一起，發(fā)揮各自的優(yōu)勢，使得故障診斷更加可靠有效，能更好的指導(dǎo)生產(chǎn)，提高生產(chǎn)效益。

圖1是本實用新型所提出的故障診斷裝置的硬件結(jié)構(gòu)圖。
圖2是本實用新型所提出的故障診斷裝置的功能模塊圖。
圖3是本實用新型上位機的原理框圖。
具體實施方式

以下結(jié)合附圖對本實用新型作進一步描述。
參照圖1、圖2、圖3，一種工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，包括與工業(yè)生產(chǎn)過程對象1連接的現(xiàn)場智能儀表2、DCS系統(tǒng)以及上位機6，所述的DCS系統(tǒng)由數(shù)據(jù)接口3、控制站4、數(shù)據(jù)庫5構(gòu)成；智能儀表2、DCS系統(tǒng)、上位機6通過現(xiàn)場總線依次相連，所述的上位機6包括 標準化處理模塊7，用于對數(shù)據(jù)進行標準化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計算均值 2)計算方差 3)標準化 其中，TX為訓(xùn)練樣本，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值； 主元分析功能模塊8，用于進行主元分析提取主成分，依照設(shè)置的主元方差提取率，采用協(xié)方差奇異值分解的方法，采用以下步驟來實現(xiàn) ①計算X的協(xié)方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，...，λp，其中λ1≥λ2≥...≥λp，對應(yīng)的特征向量矩陣為U； ③計算總方差和每個特征值對應(yīng)的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數(shù)為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F； 支持向量機分類器功能模塊9，用于核函數(shù)采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，依照設(shè)置的置信概率，將訓(xùn)練過程化為如下二次規(guī)劃求解問題 得到分類函數(shù)，即如下函數(shù)的符號函數(shù) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 定義當f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當f(x)＜0時，處于異常狀態(tài)； 信號采集模塊10，用于設(shè)定每次采樣的時間間隙，采集現(xiàn)場智能儀表的信號； 待診斷數(shù)據(jù)確定模塊11，用于將采集的數(shù)據(jù)傳送到DCS實時數(shù)據(jù)庫中，在每個定時周期從DCS數(shù)據(jù)庫的實時數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX； 故障診斷模塊12，用于對待檢測數(shù)據(jù)VX用訓(xùn)練時得到的

和σx2進行標準化處理，并將標準化處理后的數(shù)據(jù)作為小波分解模塊的輸入，用訓(xùn)練時相同的參數(shù)對輸入數(shù)據(jù)進行小波分解，得到的系數(shù)作為中主元分析模塊的輸入；用訓(xùn)練時得到的變換系數(shù)矩陣T對輸入進行變換，變換后矩陣輸入到小波重構(gòu)模塊；將對應(yīng)的數(shù)據(jù)相加即得到原待測數(shù)據(jù)的主成分，并將所得到的主成分輸入到支持向量機分類器模塊；將輸入代入訓(xùn)練得到的判別函數(shù)，計算判別函數(shù)值，判別過程的狀態(tài)； 所述現(xiàn)場智能儀表2與信號采集單元10數(shù)據(jù)連接，所述信號采集單元10連接待診斷數(shù)據(jù)確定模塊11，所述的待診斷數(shù)據(jù)確定模塊11連接故障診斷模塊12，所述標準化處理模塊7與數(shù)據(jù)庫5數(shù)據(jù)連接，所述標準化處理模塊7與主元分析功能模塊8連接，所述主元分析功能模塊8與支持向量機分類器功能模塊9連接，所述支持向量機分類器功能模塊9與故障診斷模塊12連接。
所述的上位機還包括判別模型更新模塊13，用于定期將過程狀態(tài)正常的點添加到訓(xùn)練集VX中，輸出到標準化處理模塊7、主元分析功能模塊8、，并更新支持向量機分類器模塊9的分類模型；所述判別模型更新模塊13與支持向量機分類器功能模塊9連接。
所述的上位機還包括結(jié)果顯示模塊14，用于將故障診斷結(jié)果傳給DCS，并在DCS的控制站顯示過程狀態(tài)，并通過DCS系統(tǒng)和現(xiàn)場總線將過程狀態(tài)信息傳遞到現(xiàn)場操作站進行顯示；所述故障診斷模塊12的輸出連接所述結(jié)果顯示模塊14。
本實施例的工業(yè)過程故障診斷裝置的硬件結(jié)構(gòu)圖如附圖1所示，所述的故障診斷裝置核心由包括標準化處理模塊7、主元分析模塊8、支持向量機分類器模塊9三大功能模塊和人機界面的上位機6構(gòu)成，此外還包括現(xiàn)場智能儀表2，DCS系統(tǒng)和現(xiàn)場總線。所述的DCS系統(tǒng)由數(shù)據(jù)接口3、控制站4、數(shù)據(jù)庫5構(gòu)成；工業(yè)過程對象1、智能儀表2、DCS系統(tǒng)、上位機6通過現(xiàn)場總線依次相連，實現(xiàn)信息流的上傳和下達。故障診斷系統(tǒng)在上位機6上運行，可以方便地與底層系統(tǒng)進行信息交換，及時應(yīng)對系統(tǒng)故障。
本實施例的故障診斷裝置的功能模塊圖如附圖2所示，主要包括標準化處理模塊7、主元分析模塊8、支持向量機分類器模塊9等。
所述的故障診斷方法按照如下步驟進行實施 1、確定故障診斷所用的關(guān)鍵變量，從DCS數(shù)據(jù)庫5的歷史數(shù)據(jù)庫中采集系統(tǒng)正常時這些變量的數(shù)據(jù)作為訓(xùn)練樣本TX； 2、在上位機6的主元分析功能模塊8和支持向量機分類器功能模塊9中，分別設(shè)置主元分析方差提取率、支持向量機分類器核參數(shù)和置信概率等參數(shù)，設(shè)定DCS中的采樣周期； 3、訓(xùn)練樣本TX在上位機6中，依次經(jīng)過標準化處理7、主元分析8、支持向量機分類器9等功能模塊，采用以下步驟來完成診斷系統(tǒng)的訓(xùn)練； 1)上位機6的標準化處理功能模塊7，對數(shù)據(jù)進行標準化處理，使得各變量的均值為0，方差為1，得到輸入矩陣X。采用以下過程來完成 ①計算均值 ②計算方差 ③標準化 其中N為訓(xùn)練樣本數(shù)，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值。
上位機6的標準化處理功能模塊7所進行的標準化處理能消除各變量因為量綱不同造成的影響。
2)上位機6的主元分析功能模塊8，進行主元分析。所述的上位機6中主元分析功能模塊8的總方差提取率大于80％，采用以下步驟來實現(xiàn) ①計算X的協(xié)方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，...，λp，其中λ1≥λ2≥...λp，對應(yīng)的特征向量矩陣為U； ③計算總方差和每個特征值對應(yīng)的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數(shù)為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F。
主元分析在力求數(shù)據(jù)信息丟失最少的原則下，對高維的變量空間降維。其實質(zhì)是研究變量體系的少數(shù)幾個線性組合，并且這幾個線性組合所構(gòu)成的綜合變量將盡可能多地保留原變量變異方面的信息。很顯然，分析系統(tǒng)在一個低維空間要比在一個高維空間容易得多。
3)訓(xùn)練上位機6中的支持向量機分類器功能模塊9的分類模型。
所述的上位機6中的支持向量機分類器功能模塊9的核函數(shù)，采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，將訓(xùn)練過程化為如下二次規(guī)劃求解問題 從而得到分類函數(shù)，即如下函數(shù)的符號函數(shù) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 定義當f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當f(x)＜0時，處于異常狀態(tài)。
支持向量機分類器基于統(tǒng)計學(xué)習(xí)理論，采用結(jié)構(gòu)風(fēng)險最小化準則，很好地解決了小樣本、局部極小點、高維數(shù)等難題，用于分類問題能提高分類精度。
4、系統(tǒng)開始投運 1)用定時器，設(shè)置好每次采樣的時間間隔； 2)現(xiàn)場智能儀表2檢測過程數(shù)據(jù)并傳送到DCS數(shù)據(jù)庫5的實時數(shù)據(jù)庫中； 3)上位機6在每個定時周期從DCS數(shù)據(jù)庫5的實時數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)，作為待診斷數(shù)據(jù)VX； 4)待檢測數(shù)據(jù)VX，在上位機6的標準化處理功能模塊7中，用訓(xùn)練時得到的

和σx2進行標準化處理，并將標準化處理后的數(shù)據(jù)作為主元分析模塊8的輸入； 5)上位機6中的主元分析模塊8，用訓(xùn)練時得到的變換矩陣T對輸入進行變換，變換后的矩陣輸入到支持向量機分類器模塊9，作為支持向量機分類器模塊9的輸入； 6)上位機6中的支持向量機分類器模塊9，將輸入數(shù)據(jù)代入訓(xùn)練得到的判別函數(shù)，計算判別函數(shù)值，判別并在上位機6的人機界面上顯示過程的狀態(tài)； 7)上位機6將故障診斷結(jié)果傳給DCS，并在DCS的控制站4顯示過程狀態(tài)，同時通過DCS系統(tǒng)和現(xiàn)場總線將過程狀態(tài)信息傳遞到現(xiàn)場操作站進行顯示，使得現(xiàn)場操作工可以及時應(yīng)對。
5、分類器模型更新 在系統(tǒng)投運過程中，定期將過程狀態(tài)正常的點添加到訓(xùn)練集TX中，重復(fù)步驟3的訓(xùn)練過程，以便及時更新上位機6的支持向量機分類器9中的分類模型，保持分類器模型具有較好的分類效果。
本實用新型所提出的工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，已通過上述具體實施步驟進行了描述，相關(guān)技術(shù)人員明顯能在不脫離本實用新型內(nèi)容、精神和范圍內(nèi)對本文所述的裝置和操作方法進行改動或適當變更與組合，來實現(xiàn)本實用新型技術(shù)。特別需要指出的是，所有相類似的替換和改動對本領(lǐng)域的技術(shù)人員是顯而易見的，它們都會被視為包括在本實用新型精神、范圍和內(nèi)容中。
權(quán)利要求1.一種工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，包括與工業(yè)生產(chǎn)過程對象連接的現(xiàn)場智能儀表、DCS系統(tǒng)以及上位機，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機依次相連，其特征在于所述的上位機包括
用于對數(shù)據(jù)庫中采集系統(tǒng)正常時關(guān)鍵變量數(shù)據(jù)進行標準化處理的標準化處理模塊；
用于進行主元分析提取主成分，依照設(shè)置的主元方差提取率，采用協(xié)方差奇異值分解的方法的主元分析功能模塊；
用于核函數(shù)采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，依照設(shè)置的置信概率，將訓(xùn)練過程化為如下二次規(guī)劃求解問題的支持向量機分類器功能模塊；
用于設(shè)定每次采樣的時間間隙，采集現(xiàn)場智能儀表的信號的信號采集模塊；
用于將采集的數(shù)據(jù)傳送到DCS實時數(shù)據(jù)庫中，在每個定時周期從DCS數(shù)據(jù)庫的實時數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX的待診斷數(shù)據(jù)確定模塊；
用于對待檢測數(shù)據(jù)VX用訓(xùn)練時得到的
和σx2進行標準化處理，并將標準化處理后的數(shù)據(jù)作為主元分析功能模塊的輸入；用訓(xùn)練時得到的變換系數(shù)矩陣T對輸入進行變換，變換后矩陣輸入到支持向量機分類器模塊；將輸入代入訓(xùn)練得到的判別函數(shù)，計算判別函數(shù)值，判別過程的狀態(tài)的故障診斷模塊；
所述現(xiàn)場智能儀表與信號采集單元數(shù)據(jù)連接，所述信號采集單元連接待診斷數(shù)據(jù)確定模塊，所述的待診斷數(shù)據(jù)確定模塊連接故障診斷模塊，所述標準化處理模塊與數(shù)據(jù)庫數(shù)據(jù)連接，所述標準化處理模塊與主元分析功能模塊連接，所述主元分析功能模塊與支持向量機分類器功能模塊連接，所述支持向量機分類器功能模塊與故障診斷模塊連接。
2.如權(quán)利要求1所述的工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，其特征在于所述的上位機還包括
用于定期將過程狀態(tài)正常的點添加到訓(xùn)練集VX中，輸出到標準化處理模塊、主元分析功能模塊，并更新支持向量機分類器的分類模型的判別模型更新模塊；
所述判別模型更新模塊與支持向量機分類器功能模塊連接。
3.如權(quán)利要求1或2所述的工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，其特征在于所述的上位機還包括
用于將故障診斷結(jié)果傳給DCS系統(tǒng)，并在DCS的控制站顯示過程狀態(tài)，并通過DCS系統(tǒng)和現(xiàn)場總線將過程狀態(tài)信息傳遞到現(xiàn)場操作站進行顯示的結(jié)果顯示模塊；
所述故障診斷模塊的輸出連接所述結(jié)果顯示模塊。
專利摘要一種工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置，包括與工業(yè)過程對象連接的現(xiàn)場智能儀表、DCS系統(tǒng)以及上位機，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機依次相連，所述的上位機包括標準化處理模塊、主元分析功能模塊、支持向量機分類器功能模塊、故障判斷模塊、信號采集模塊、待診斷數(shù)據(jù)確定模塊以及故障診斷模塊。本實用新型提供一種能夠處理較好的處理小樣本、非線性及要求模型泛化能力強的實測數(shù)據(jù)、能夠得到良好的診斷效果的工業(yè)生產(chǎn)過程小樣本條件下的故障診斷裝置。
文檔編號G05B19/048GK201035376SQ20062014136
公開日2008年3月12日 申請日期2006年12月22日 優(yōu)先權(quán)日2006年12月22日
發(fā)明者劉興高 申請人:浙江大學(xué)