基于概率相关慢特征分析的工业过程微小故障检测方法
申请人信息
- 申请人:南通大学
- 申请人地址:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院
- 发明人: 南通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于概率相关慢特征分析的工业过程微小故障检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311487729.1 |
| 申请日 | 2023/11/9 |
| 公告号 | CN117556202A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F18/20 |
| 权利人 | 南通大学 |
| 发明人 | 商亮亮; 陈万; 严浩; 陆天奇; 杨柳; 张宇超; 赵凡一 |
| 地址 | 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院 |
摘要文本
本发明提供了一种基于概率相关慢特征分析的工业过程微小故障检测方法，属于多变量工业过程故障检测技术领域。解决了传统慢特征分析方法算法难以对复杂非线性工业过程的微小故障进行有效检测的技术问题。其技术方案为：包括以下步骤：S1、设计一种基于JS散度的变量空间划分方法；S2、对故障信息不明显的潜隐变量空间则采用基于JS散度的滑动窗口局部慢特征分析算法；S3、通过贝叶斯推理机制将两个空间的检测结果融合，得到综合总监测结果。本发明的有益效果为：本发明将JS散度与慢特征分析融合，既实现了对多变量数据的空间划分，又实现了微小故障信息的有效挖掘，显著提高了微小故障检测率。 （来源 专利查询网）
专利主权项内容
1.一种基于概率相关慢特征分析的工业过程微小故障检测方法，其特征在于，包括以下步骤：步骤S1：获取历史数据库中的正常工况数据作为训练数据X，利用其均值mean(X)和标准差std(X)对其进行标准化，得到标准化后训练数据X；000步骤S2：采用滑动窗口计算训练数据X的均值和方差，以此计算JS散度，得到训练数据的JS散度成分X；JS步骤S3：由训练数据中的JS散度成分X计算正常工况下所有变量的评价指标，通过KDE方法计算变量评价指标控制限Dev；JSlim步骤S4：采集工业过程中的实时数据作为测试数据X，利用训练数据X的均值mean(X)和标准差std(X)对其进行标准化处理，得到标准化后测试数据X；new000T步骤S5：利用与步骤S2同样参数的滑动窗口算法计算得到测试数据的JS散度成分X；JST步骤S6：由测试数据的JS散度成分X计算每一个变量的评价指标Dev；JSTXT, j步骤S7：依据变量评价指标Dev是否超出步骤S3所得控制限Dev，将数据划分为显著变量空间与潜隐变量空间；XT, jlim步骤S8：在显著空间中，对数据采用基于JS散度的全局慢特征分析算法，计算显著空间统计量与控制限/>步骤S9：在潜隐空间中，对数据采用基于JS散度的局部慢特征分析算法，计算潜隐空间统计量与控制限/>步骤S10：通过贝叶斯推理机制计算两个空间的数据故障概率，将两个空间的概率融合计算出最终监测统计量BIC，依据是否超出控制限α判断是否发生故障。。 （更多数据，详见马克数据网）