一種基于ar-pca的間歇過程故障監(jiān)測方法
【專利摘要】本發(fā)明提出了一種基于AR-PCA的間歇過程故障監(jiān)測方法，實現(xiàn)了對具有較強動態(tài)性間歇過程的在線監(jiān)測。傳統(tǒng)MPCA方法在監(jiān)控間歇過程時，未考慮到由于各種隨機噪聲和干擾的存在而導(dǎo)致變量呈現(xiàn)出相應(yīng)的自相關(guān)和互相關(guān)，從而導(dǎo)致在線監(jiān)控過程中存在大量誤報警。本發(fā)明首先將測量變量建立多變量自回歸(AR)模型，模型系數(shù)矩陣采用PLS方法進(jìn)行辨識，模型階次采用AIC準(zhǔn)則進(jìn)行辨識，然后對AR模型的殘差建立PCA模型，同時本發(fā)明算法在線監(jiān)控新批次數(shù)據(jù)時引入了訓(xùn)練數(shù)據(jù)，從而提高了本發(fā)明算法的監(jiān)控效果。本發(fā)明彌補了傳統(tǒng)MPCA方法在監(jiān)測具有較強動態(tài)性間歇過程時存在大量誤報警的不足，對監(jiān)測實際間歇生產(chǎn)過程具有重大意義。
【專利說明】一種基于AR-PCA的間歇過程故障監(jiān)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一種間歇過程的故障監(jiān)測方法，尤其針對具有較強動態(tài)性的青霉素發(fā)酵過程，應(yīng)用此方法對生產(chǎn)過程進(jìn)行故障監(jiān)測，及時發(fā)現(xiàn)生產(chǎn)過程中故障。
【背景技術(shù)】
[0002]現(xiàn)代流程工業(yè)過程規(guī)模不斷擴大、復(fù)雜性日益增高，投資越來越大，迫使人們對過程生產(chǎn)的安全性和可靠性越來越重視；特別是在一些生物、化工過程中，常常包含高溫、高壓、易燃、易爆的生產(chǎn)過程，系統(tǒng)一旦發(fā)生事故就會造成人員和財產(chǎn)的巨大損失，而且環(huán)境污染也要比其他事故嚴(yán)重得多。然而，盡管隨著計算機控制技術(shù)在工業(yè)過程中的逐步普及，許多生產(chǎn)過程實現(xiàn)了自動化，但工業(yè)過程中的異常事件管理仍然主要由操作員人工完成。當(dāng)過程發(fā)生異常時，操作員由于受人類自身能力和經(jīng)驗的限制，很容易做出錯誤判斷和行動，這時不但不能使過程恢復(fù)正常運行，而且還可能造成更重大的事故。
[0003]間歇過程是現(xiàn)代流程工業(yè)中常見的一種生產(chǎn)方式，由于其本身具有的靈活性，因此被廣泛應(yīng)用于醫(yī)藥、食品、染料、香料及生化制品等小批量、高附加值產(chǎn)品的生產(chǎn)和制備當(dāng)中。然而，間歇過程的生產(chǎn)環(huán)境及其動態(tài)特性與連續(xù)過程有明顯的區(qū)別，頻繁地改變生產(chǎn)的產(chǎn)品和工藝操作條件是間歇過程的正?；顒臃绞健ｉg歇過程往往無穩(wěn)態(tài)的工作點，常常從一個穩(wěn)定狀態(tài)轉(zhuǎn)為另一個穩(wěn)定狀態(tài)，因而可能存在多種狀態(tài)的組合。間歇過程往往呈現(xiàn)強非線性、動態(tài)性和時變特性，其操作復(fù)雜度遠(yuǎn)遠(yuǎn)大于連續(xù)過程，產(chǎn)品質(zhì)量更容易受到如原材料質(zhì)量、設(shè)備狀況、環(huán)境條件等不確定性因素的影響。為了提高間歇生產(chǎn)過程與控制系統(tǒng)的可維護(hù)性和安全性，并同時提高產(chǎn)品的質(zhì)量，迫切地需要建立過程監(jiān)測系統(tǒng)對生產(chǎn)過程進(jìn)行故障監(jiān)控與診斷。
[0004]目前，以多元統(tǒng)計過程監(jiān)控為核心的數(shù)據(jù)驅(qū)動方法在流程工業(yè)的過程故障監(jiān)測和診斷領(lǐng)域得到了廣泛的關(guān)注和研究。然而，傳統(tǒng)的多元統(tǒng)計方法在推導(dǎo)相關(guān)統(tǒng)計量分布時，假設(shè)過程處于穩(wěn)態(tài)，不存在時序相關(guān)性，而實際流程工業(yè)中的對象幾乎很難滿足上述條件，當(dāng)偏離上述假設(shè)條件時，采用傳統(tǒng)多元統(tǒng)計過程監(jiān)控算法，就會引起錯誤的監(jiān)控結(jié)果，導(dǎo)致監(jiān)控算法的失效。因此，迫切需要一種解決過程動態(tài)性的監(jiān)控方法對生產(chǎn)過程進(jìn)行監(jiān)測，進(jìn)而進(jìn)行故障診斷。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的就是針對現(xiàn)階段過程監(jiān)測方法的不足，提出了一種間歇過程的故障監(jiān)測方法。通過引入AR模型對原始測量變量進(jìn)行預(yù)處理，再建立PCA模型進(jìn)行監(jiān)測。該方法解決了過程數(shù)據(jù)具有動態(tài)性而導(dǎo)致的監(jiān)控效果不佳問題，提高了監(jiān)控性能。
[0006]本發(fā)明采用了如下的技術(shù)方案和實現(xiàn)步驟:
[0007]步驟一，使用過程正常運行數(shù)據(jù)作為數(shù)據(jù)驅(qū)動的訓(xùn)練樣本，樣本集由同一發(fā)酵過程相同工藝下所記錄的I批次測量數(shù)據(jù)構(gòu)成，X = (X1，X2,, X1)'其中Xi表示第i批次數(shù)據(jù)；每個批次數(shù)據(jù)包含K個采樣時刻，每個采樣時刻采集J個過程變量，即
【權(quán)利要求】
1.一種基于AR-PCA的間歇過程故障監(jiān)測方法，其特征在于，它主要包括下列步驟:步驟一，使用過程正常運行數(shù)據(jù)作為數(shù)據(jù)驅(qū)動的訓(xùn)練樣本，樣本集由同一發(fā)酵過程相同工藝下所記錄的I批次測量數(shù)據(jù)構(gòu)成，X = (X1，X2,, X1V，其中Xi表示第i批次數(shù)據(jù)；每個批次數(shù)據(jù)包含K個采樣時刻，每個采樣時刻采集J個過程變量,即X1- UK,....)，其中^表示第i批次第k采樣時亥Ij采集的數(shù)據(jù)，
2.根據(jù)權(quán)利要求1所述的一種基于AR-PCA的間歇過程故障監(jiān)測方法，其特征在于，步驟二中數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，處理方式如下: 首先計算樣本集X的所有時刻上所有過程變量的均值和標(biāo)準(zhǔn)方差，其中第k采樣時刻的第j個過程變量的平均值1^的計算公式為
3.根據(jù)權(quán)利要求1所述的一種基于AR-PCA的間歇過程故障監(jiān)測方法，其特征在于步驟三所述的第i批次數(shù)據(jù)的多變量AR模型如下:
4.根據(jù)權(quán)利要求3所述的一種基于AR-PCA的間歇過程故障監(jiān)測方法，其特征在于:第i批次數(shù)據(jù)的多變量AR模型的系數(shù)矩陣Ci的計算公式如下:
5.根據(jù)權(quán)利要求4所述的一種基于AR-PCA的間歇過程故障監(jiān)測方法，其特征在于:P^ls, Qipis , Bi以及#是通過對PLS模型進(jìn)行偏最小二乘辨識得到，其中，PLS模型的輸入矩陣為第i批次數(shù)據(jù)當(dāng)前時刻k的前L時刻的所有變量
【文檔編號】G05B23/02GK103853152SQ201410109228
【公開日】2014年6月11日 申請日期:2014年3月21日 優(yōu)先權(quán)日:2014年3月21日
【發(fā)明者】王普, 劉鑫, 高學(xué)金 申請人:北京工業(yè)大學(xué)