买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东石油化工学院

摘要：本发明涉及工业过程故障诊断技术领域，特别涉及一种基于M‑MForeCA的间歇过程故障诊断方法，该方法利用相似度因子对间歇过程正常训练数据进行阶段划分，得到稳定子阶段和过渡过程；针对稳定子阶段，分别建立MForeCA故障诊断模型，提取可预测成分，计算Fore2和SPE统计量及其控制限；针对过渡过程，在其每一时刻基于滑动窗口数据建立动态MForeCA模型；最后计算新批次实时采样数据的可预测成分及其统计量，并与监控模型各控制限比较，确定是否有故障发生。本发明挖掘不同操作阶段过程数据信息中的可预测特性，准确提取有助于故障诊断的主要可预测成分，客观揭示各个阶段的特征多样性，提高故障诊断的检测率。

主权项：1.一种基于M-MForeCA的间歇过程故障诊断方法，其特征是包括以下步骤：一、采集间歇过程正常批次历史数据XI×J×K，I是批次数，J为变量个数，K是采样次数；对XI×J×K进行预处理：首先将XI×J×K基于批次展开得到二维矩阵XI×KJ，对其每列做无量纲标准化处理，然后再还原成三维形式，并看作是由K个采样二维数据片{Xk∈RI×J，k＝1，2，...，K}组成；二、计算每一时刻的相似度因子SI，用于对间歇过程的K次采样数据片{Xk∈RI×J，k＝1，2，...，K}进行重复性分析；三、利用SI将间歇过程划分成稳定阶段和过渡过程；四、假设间歇过程被分离出N个稳定阶段，采用多向可预测成分分析MForeCA算法分别建立N个稳定阶段各自的故障诊断模型；步骤四中，稳定阶段分别利用MForeCA算法建立故障诊断模型的步骤为：I、假设任意第nn＝1,2,...,N个稳定子阶段三维数据集XI×J×Kn，其中Kn为该阶段的采样数，将子阶段三维数据XI×J×Kn展开成XI×KnJ按列进行标准化，然后将XI×KnJ重新排列成XKnI×J，并转置得到XJ×KnI；II、对展开后的XJ×KnI通过ForeCA变换进行可预测度分析得到可预测成分矩阵Y，变换公式为：Y＝WTX2式中W＝[w1，w2，...，wJ]∈RJ×J是负荷变换矩阵；III、利用可预测度的累积贡献率确定主要的可预测成分个数，如公式8： 通常令pΩ≥80％确定d值d＜J，取Wd＝[w1，w2，...，wd]，根据Yd＝WdTX计算出主要可预测成分矩阵IV、构造Fore2统计量和SPE统计量，如公式9和10所示：Fore2i＝ydiTydi＝xiTWdWdTxi9 上两式中，ydi、xi分别表示矩阵Yd、XJ×KnI的第i列向量，i＝1，2，...，Kn，是的列向量，ei是的列向量；V、利用核密度估计法计算Fore2和SPE统计量的控制限；五、针对过渡过程周期较短、波动较大、前后动态时序相关性强的特点，采用基于滑动窗口数据的动态MForeCA方法建立各个过渡过程的故障诊断模型；六、采集新一批次第k采样时刻数据，并按建模时相应时刻均值和标准差进行标准化得到xnewk；七、确定k所属稳定子阶段或过渡过程，采用对应模型中的Wd计算ynewk＝WdTxnewk和enewk＝xnewk-WdWdTxnewk；八、计算和SPEnewk＝enewkTenewk统计量，并分别与对应模型中的控制限比较，一旦有统计量越过控制限，则认为有故障发生。

全文数据：

权利要求：

百度查询： 山东石油化工学院 一种基于M-MForeCA的间歇过程故障诊断方法