CN104483962B - 基于多向正交局部保持投影的间歇过程在线故障检测方法 - Google Patents

基于多向正交局部保持投影的间歇过程在线故障检测方法 Download PDF

Info

Publication number
CN104483962B
CN104483962B CN201410666382.1A CN201410666382A CN104483962B CN 104483962 B CN104483962 B CN 104483962B CN 201410666382 A CN201410666382 A CN 201410666382A CN 104483962 B CN104483962 B CN 104483962B
Authority
CN
China
Prior art keywords
data
multidirectional
locality preserving
preserving projections
batch process
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410666382.1A
Other languages
English (en)
Other versions
CN104483962A (zh
Inventor
郭金玉
齐蕾蕾
李元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Chemical Technology
Original Assignee
Shenyang University of Chemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang University of Chemical Technology filed Critical Shenyang University of Chemical Technology
Priority to CN201410666382.1A priority Critical patent/CN104483962B/zh
Publication of CN104483962A publication Critical patent/CN104483962A/zh
Application granted granted Critical
Publication of CN104483962B publication Critical patent/CN104483962B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Complex Calculations (AREA)

Abstract

基于多向正交局部保持投影的间歇过程在线故障检测方法，涉及一种间歇过程故障检测方法，包括将正常状态下的历史数据作为建模数据的训练集，利用多向正交局部保持投影和核密度估计的方法进行建模和在线故障检测。首先在训练样本的一个滑动窗口内通过优化目标函数，使得投影以后的两个样本之间的距离乘以相应权重后的值最小，找到投影矩阵A。其次将预处理以后的原始数据乘以A，使其投影到低维空间，根据统计量是否超过建模的控制限来判断该时刻的数据是否正常。如果统计量超过控制限，则该时刻的数据样本是故障的；否则是正常的。如果测试表明系统出现故障，则需要工作人员及时查明情况，排除险情。

Description

基于多向正交局部保持投影的间歇过程在线故障检测方法
技术领域
本发明涉及一种间歇过程故障检测方法，特别是涉及一种多向正交局部保持投影（multiway orthogonal locality preserving projections，MOLPP）用于间歇过程的在线故障检测方法。
背景技术
间歇过程被广泛应用于生产高质量、高附加值产品行业，如：发酵、制药、食品、化学、半导体制造业等，是一种重要的工业生产过程。因此，间歇过程的检测与故障诊断一直备受关注。然而在间歇过程采集到的信号往往具有非高斯、非线性、多模态的特性，这就对故障检测的性能提出了很高的要求。
多元统计过程控制能够有效地将检测过程中的有效信息提供给运营商，为过程故障提供早期预警，从而保证生产安全和产品高质量。多向主元分析和多向偏最小二乘及其延伸算法已被广泛研究和应用于间歇过程中的故障检测和故障诊断中。这些方法通过保留主成分使数据从高维空间降低到低维空间，改变了数据分布，但是初始特征空间中数据间的关系和相应数据流形通过这种全局变换后不能得到保持，所以在新空间中肯定会丢失初始特征空间中数据的某些信息。如何能够保证不丢失局部信息的问题，目前还没有能够较好地找到隐藏在高维观测集中更多内在有用信息的有效方法。
发明内容
本发明的目的在于提供一种多向正交局部保持投影用于间歇过程的在线故障检测方法，该方法将滑动窗口技术和正交局部保持投影（OLPP）相结合用于间歇过程在线检测，并利用核密度估计确定控制限进行过程检测，提高故障检测模型的精确度。
本发明的目的是通过以下技术方案实现的：
基于多向正交局部保持投影的间歇过程在线故障检测方法，所述方法包括以下过程：
将在生产过程中正常情况下采集到的一定量的批次数据作为建模数据的训练集，利用滑动窗口技术，在每个窗口内将三维数据展开成二维，进行标准化处理。然后在每个窗口内建立正交局部保持投影模型，找到投影矩阵，利用核密度估计计算出平方预测误差（SPE）的控制限；对于新来一个时刻k的批次样本，将数据展开成一行，利用与新来样本相对应的建模数据时刻模型的均值和方差，标准化新来数据样本。将新来时刻数据投影到多向正交局部保持投影的模型上，计算SPE统计量；根据统计量是否超过建模的控制限来判断该时刻的数据是否正常。如果统计量超过控制限，则该时刻的数据样本是故障的；否则是正常的。如果测试表明系统出现故障，则需要工作人员及时查明情况，排除险情。
所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，所述建模过程包括正常状态模型、在线检测模型。对工业过程中的正常历史数据，使用多向局部保持投影模型投影到一个低维空间。将新来时刻数据投影到MOLPP的模型上，通过核密度估计的方法进行建模和在线故障检测。
所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，所述滑动窗口大小和步长的选取，遵循实践经验确定。
本发明的优点与效果是：
1. 本发明保持了过程数据集的局部结构。传统的故障检测方法，如主元分析、核主元分析等只能保持数据的全局结构，不能够保持数据的局部结构和更多原始数据的隐含信息，造成有用信息的丢失；而本发明提出的方法可以有效提取数据的关联特征，保持了数据的原始结构信息，使得投影前两个近邻的样本在投影之后还是近邻，在过程监视中具有更好的检测结果。
2. 本发明能够降低数据误差重构方面的难度。因为运用多向局部保持投影算法得到的投影矩阵确保数据投影后的投影向量正交的,使得在计算投影之后的两个样本间的欧式距离时，相乘的两个投影矩阵为单位矩阵。若投影矩阵为A，则AA T=I，降低了计算的复杂度，极大的提高了计算速度。
3. 本发明提高了模型精确度。滑动窗口的在线检测算法不需要预先估计未来测量值，而且能有效地进行过程监视，提高模型精确度。
4. 本发明改善了故障检测效果。利用核密度估计确定控制限不需要数据的高斯分布假设，更具有普遍性意义。因此运用核密度估计计算正常模型中SPE统计量的控制限，改善了故障检测效果。
附图说明
图1为本发明的核心算法流程图。
具体实施方式
下面结合实例对本发明进行详细说明。
本发明是将大量的正常历史数据预处理（展开成二维和标准化）以后，在窗口内通过优化目标函数，使投影后的两个样本之间的距离乘以相应权重后的值最小，找到投影矩阵A，通过核密度估计计算出此时刻的SPE统计量的控制限。新样本投影到低维空间后，计算出SPE统计量用于进行故障检测。本技术解决了传统算法用于间歇过程故障诊断时不能保持局部信息的问题，降低了数据误差重构方面的难度。为了更好的保持投影后数据的原始结构，需要找到合适的投影矩阵。本发明通过在一个滑动窗口内对训练集运用增加正交化约束条件的局部保持投影（LPP）算法，通过迭代计算找到相互正交的投影方向，最终得到—个正交的投影矩阵A。
基于MOLPP的故障检测技术：为了进行过程故障检测，需要利用已知的正常数据建模，然后对新来的数据进行检测。本发明将采集到的正常历史数据作为建模数据的训练集，利用MOLPP和核密度估计的方法进行建模和在线故障检测。将训练集在每个窗口内预处理以后，建立正交局部保持投影模型，找到投影矩阵，利用核密度估计估计出平方预测误差（SPE）的控制限；对于新来一个时刻k的批次样本（经过预处理）投影到MOLPP的模型上，计算SPE统计量；根据统计量是否超过建模的控制限来判断该时刻的数据是否正常。
软件系统：为了能够实现故障检测，本发明采用MathWorks公司的MALTAB软件编程开发，对工业过程中采集到的实时数据进行检测，当检测数据的统计量超过控制限，则该时刻的数据样本是故障的，即系统出现故障，需要工作人员及时查明情况，排除险情。
本发明由以下两部分组成：正常状态模型、在线检测模型。对工业过程中的正常历史数据，
在每个窗口内预处理以后，建立正交局部保持投影模型，找到投影矩阵，利用核密度估计法计算出平方预测误差的控制限；对于新来一个时刻k的批次样本（经过预处理）通过投影矩阵投影到低维空间，计算SPE统计量。根据统计量是否超过建模的控制限来判断该时刻的数据是否正常。如果统计量超过控制限，则该时刻的数据样本是故障的；否则是正常的。实现了基于多向正交局部保持投影的间歇过程在线故障检测。
本发明通过对间歇过程中收集到的历史离线数据作为训练集，经过在窗口内建立OLPP模型，得到一个正交的投影矩阵，降低了故障检测模型计算的复杂度，利用核密度估计得到了更好的检测结果。

Claims (3)

1.基于多向正交局部保持投影的间歇过程在线故障检测方法，该方法包括将在正常生产过程中采集到的批次数据作为建模数据的训练集，利用滑动窗口技术，进行标准化处理；其特征在于，所述方法包括以下过程：
在每个窗口内将三维数据展开成二维；然后在每个窗口内建立正交局部保持投影模型，找到投影矩阵，利用核密度估计估计出平方预测误差（SPE）的控制限；对于新来一个时刻k的批次样本，将数据展开成一行，利用与新来样本相对应的建模数据时刻模型的均值和方差，标准化新来数据样本；将新来时刻数据投影到多向正交局部保持投影（MOLPP）的模型上，计算SPE统计量；根据统计量是否超过建模的控制限来判断该时刻的数据是否正常；如果统计量超过控制限，则该时刻的数据样本是故障的；否则是正常的；如果测试表明系统出现故障，则需要工作人员及时查明情况，排除险情。
2.根据权利要求1所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，其特征在于，所述建模过程包括正常状态模型、在线检测模型；
对工业过程中的正常历史数据，使用多向局部保持投影模型投影到一个低维空间；将新来时刻数据投影到MOLPP的模型上，通过核密度估计的方法进行建模和在线故障检测。
3.根据权利要求1所述的基于多向正交局部保持投影的间歇过程在线故障检测方法，其特征在于，所述滑动窗口大小和步长的选取，遵循实践经验确定。
CN201410666382.1A 2014-11-20 2014-11-20 基于多向正交局部保持投影的间歇过程在线故障检测方法 Expired - Fee Related CN104483962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410666382.1A CN104483962B (zh) 2014-11-20 2014-11-20 基于多向正交局部保持投影的间歇过程在线故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410666382.1A CN104483962B (zh) 2014-11-20 2014-11-20 基于多向正交局部保持投影的间歇过程在线故障检测方法

Publications (2)

Publication Number Publication Date
CN104483962A CN104483962A (zh) 2015-04-01
CN104483962B true CN104483962B (zh) 2017-06-16

Family

ID=52758519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410666382.1A Expired - Fee Related CN104483962B (zh) 2014-11-20 2014-11-20 基于多向正交局部保持投影的间歇过程在线故障检测方法

Country Status (1)

Country Link
CN (1) CN104483962B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104914854B (zh) * 2015-05-29 2017-05-10 东北大学 一种基于kpca的工业过程故障诊断方法
CN105067558B (zh) * 2015-07-22 2018-03-13 中国科学院半导体研究所 近红外定性鉴别特征提取方法
CN105607631B (zh) * 2016-03-24 2018-01-19 辽宁工业大学 间歇过程弱故障模型控制限建立方法及弱故障监测方法
CN106548191B (zh) * 2016-09-23 2019-04-05 沈阳化工大学 基于集成核局部保持投影的连续过程故障检测方法
CN106338981A (zh) * 2016-09-23 2017-01-18 沈阳化工大学 动态多向局部离群因子算法的间歇过程在线故障检测方法
CN106338977A (zh) * 2016-10-17 2017-01-18 沈阳化工大学 基于差分局部保持投影的非线性过程故障检测方法
CN109085816B (zh) * 2018-09-18 2021-04-13 兰州理工大学 一种基于动态正交的全局局部间歇过程故障检测方法
CN109522948A (zh) * 2018-11-06 2019-03-26 山东科技大学 一种基于正交局部保持投影的故障检测方法
CN111913460B (zh) * 2019-05-20 2022-03-18 宁波大学 一种基于序列相关局部保持投影算法的故障监测方法
CN110928263B (zh) * 2019-12-17 2022-10-28 中国人民解放军火箭军工程大学 一种预先考虑动态关系的复杂过程的故障检测方法及系统
CN111061257B (zh) * 2019-12-30 2021-02-19 杭州电子科技大学 一种基于动态全局lpp的工业过程监测方法
CN111949012B (zh) * 2020-09-09 2023-05-05 兰州理工大学 一种基于双权重多邻域保持嵌入算法的间歇过程故障检测方法
CN112461892B (zh) * 2020-11-02 2022-07-22 浙江工业大学 一种用于复材缺陷无损检测的红外热影像分析方法
CN117708691B (zh) * 2024-02-06 2024-05-10 东北大学 间歇过程监控方法及存储介质、计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102313577A (zh) * 2011-06-24 2012-01-11 上海大学 基于多路传感信号的设备健康状态评估与衰退预测方法
CN103034869A (zh) * 2012-12-05 2013-04-10 湖州师范学院 一种邻域自适应的局部保持投影方法
CN103576594A (zh) * 2013-11-11 2014-02-12 浙江工业大学 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
JP2014102771A (ja) * 2012-11-22 2014-06-05 Azbil Corp 故障判断支援装置および方法、ならびにプログラム
US8849615B2 (en) * 2009-01-30 2014-09-30 Globalfoundries Inc. Method and system for semiconductor process control and monitoring by using a data quality metric

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8849615B2 (en) * 2009-01-30 2014-09-30 Globalfoundries Inc. Method and system for semiconductor process control and monitoring by using a data quality metric
CN102313577A (zh) * 2011-06-24 2012-01-11 上海大学 基于多路传感信号的设备健康状态评估与衰退预测方法
JP2014102771A (ja) * 2012-11-22 2014-06-05 Azbil Corp 故障判断支援装置および方法、ならびにプログラム
CN103034869A (zh) * 2012-12-05 2013-04-10 湖州师范学院 一种邻域自适应的局部保持投影方法
CN103576594A (zh) * 2013-11-11 2014-02-12 浙江工业大学 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"基于核的正交局部保持投影的人脸识别";金一 等;《电子与信息学报》;20090228;第31卷(第2期);第283-287页 *
"改进的局部保持投影算法的多模型软测量";梅振益 等;《计算机与应用化学》;20110728;第28卷(第7期);第832-835页 *
"间歇过程多变量统计过程控制的理论与方法";刘毅;《电脑知识与技术》;20090731;第5卷(第19期);第5296-5297、5300页 *

Also Published As

Publication number Publication date
CN104483962A (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
CN104483962B (zh) 基于多向正交局部保持投影的间歇过程在线故障检测方法
CN107357275A (zh) 非高斯工业过程故障检测方法及系统
CN103776654A (zh) 多传感器信息融合的故障诊断方法
CN106338981A (zh) 动态多向局部离群因子算法的间歇过程在线故障检测方法
CN106092625B (zh) 基于修正型独立元分析和贝叶斯概率融合的工业过程故障检测方法
CN103264317B (zh) 一种铣削加工刀具运行可靠性的评估方法
CN108804740B (zh) 基于集成改进ica-krr算法的长输管道压力监测方法
CN110197288A (zh) 故障影响下设备的剩余使用寿命预测方法
CN104182642A (zh) 一种基于稀疏表示的故障检测方法
CN106599367A (zh) 一种航天器状态异常检测方法
Simani et al. Wind turbine simulator fault diagnosis via fuzzy modelling and identification techniques
CN110187275A (zh) 一种永磁电机健康状态检测方法及系统
CN113124328A (zh) 一种天然气管道泄漏检测方法及系统
CN103678938B (zh) 一种面向空间形状和误差范围的退化模型一致性检验方法
CN106338977A (zh) 基于差分局部保持投影的非线性过程故障检测方法
CN110334478A (zh) 机器设备异常检测模型构建方法、检测方法及模型
CN114738205B (zh) 一种浮式风机基础的状态监测方法、装置、设备和介质
CN110119579B (zh) 一种基于oica的复杂工业过程故障监测方法
CN115052304A (zh) 基于gcn-lstm的工业传感网络异常数据检测方法
CN109085816A (zh) 一种基于动态正交的全局局部间歇过程故障检测方法
CN107330264A (zh) 一种桥梁监测数据可靠性的验证方法
CN110033105B (zh) 一种复杂工况下非平衡数据集的悬浮系统故障检测方法
CN116612457A (zh) 一种基于深度无监督学习的轨道道床异物检测方法
CN106548191B (zh) 基于集成核局部保持投影的连续过程故障检测方法
CN110736888A (zh) 一种用户用电行为异常的监测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170616

Termination date: 20191120