CN110543153A - 一种多工况工业过程的过渡工况故障检测方法 - Google Patents

一种多工况工业过程的过渡工况故障检测方法 Download PDF

Info

Publication number
CN110543153A
CN110543153A CN201910769599.8A CN201910769599A CN110543153A CN 110543153 A CN110543153 A CN 110543153A CN 201910769599 A CN201910769599 A CN 201910769599A CN 110543153 A CN110543153 A CN 110543153A
Authority
CN
China
Prior art keywords
condition data
transition
working condition
dtw
distance
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.)
Granted
Application number
CN201910769599.8A
Other languages
English (en)
Other versions
CN110543153B (zh
Inventor
郑英
汪培鸣
汪上晓
王兆静
王彦伟
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and 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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910769599.8A priority Critical patent/CN110543153B/zh
Publication of CN110543153A publication Critical patent/CN110543153A/zh
Application granted granted Critical
Publication of CN110543153B publication Critical patent/CN110543153B/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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31439—Alarms can be warning, alert or fault
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种多工况工业过程的过渡工况故障检测方法，属于工业制造过程的过渡工况监控领域，该方法包括：对一组正常过渡工况数据进行带权非对称整定；计算原始数据与整定后工况数据的带权开放尾端DTW距离；将DTW距离投影到整定后工况数据的持续时间长度上；将各点被投影匹配的计次作为一个监控指标，将补缺和去重后各点的DTW距离变化率作为另一个监控指标；将各组原始数据获得的监控指标上限作为控制限；对待测数据以同样步骤获得两个指标并对比各自的控制限，即可实现故障检测。本发明能适应动态过程复杂、耗时不同的过渡工况，兼具准确和灵敏的优点，对常见的调节过多、调节过少、转换过快、转换过慢等问题均能实现检测。

Description

一种多工况工业过程的过渡工况故障检测方法
技术领域
本发明属于工业制造过程的过渡工况监控技术领域，更具体地，涉及一种多工况工业过程的过渡工况故障检测方法。
背景技术
大型的工业系统往往会因为生产计划和环境、设备等因素具有多个稳定工作工况，在各种稳定工作工况之间切换的状态即为过渡工况。真实的生产过程中，过渡工况往往具有极不稳定的特点，并且依赖操作员的手动操控，生产安全的不确定因素大大增加，因此能准确辨识各类异常的监控方法具有重要的意义。
目前使用广泛的过渡工况监控方法主要可以分为整体建模和分阶段建模两种方法。其中，大多基于整体建模的方法在系统动态特征影响显著时，出现误报和漏报情况的概率较大；而分阶段的建模方法在运算上更为复杂，并且在阶段头尾的检测效果不佳。
与此同时，上述两种监控方法都倾向于检测系统本身带来的故障，而对操作员手动操作的不确定性未加关注。一方面，实际生产中操作员的操作速度对工况转换的过程具有很大的影响，过于激进的操作策略可能会导致安全问题，而过于保守的操作策略会带来时间成本的损失。另一方面，不同的操作员在各个阶段都具有不同的操作风格，但是一般基于数据驱动的建模方法无法对其一一建模。因此人为操作的不确定性因素在工况转化中极易引发多种故障或异常(如工况转换中常见的调节过多、调节过少、转换过快、转换过慢四类问题)，而现有检测方法无法正确检测此类故障或异常，因此对于时间尺度上差异较大且动态特征复杂的过渡工况检测效果较差。
综上所述，现有的过渡工况监控方法由于未考虑操作员手动操作的不确定性，而存在对复杂动态特性的过渡工况适应性较差，检测效果较差的问题。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种多工况工业过程的过渡工况故障检测方法，旨在解决现有的过渡工况监控方法由于未考虑操作员手动操作的不确定性，而存在对复杂动态特性的过渡工况适应性较差，检测效果较差的问题。
为实现上述目的，本发明提供了一种多工况工业过程的过渡工况故障检测方法，包括
(1)采集正常过渡工况数据X∈RI×M×N，作为训练样本；其中，I为样本组数，M为变量个数，Ni为采样点数，i＝1,2,...,I；
(2)选取用时最接近所述训练样本平均时长的过渡工况数据作为参考过渡工况数据，并以所述参考过渡工况数据为目标，对所述训练样本进行带权非对称整定，获得整定后的过渡工况数据；
(3)对采集的第i组过渡工况数据的前n个采样点分别计算与其他组整定后的过渡工况数据的开放式最小DTW距离；其中，n＝1,2,...,Ni；
(4)将计算得到的开放式最小DTW距离投影到所述参考过渡工况数据的持续时间长度上，获得投影后的DTW距离矩阵；
(5)根据投影后的DTW距离矩阵，对所有采样点计算距离变化率监控指标，并根据整定后过渡工况数据某一点被匹配次数，计算计数指标；
其中，所述距离变化率监控指标为对采样点计算得到的DTW距离与投影后的DTW距离变化率；所述某一点被匹配指的是，与第i组过渡工况数据前n个采样点开放式DTW距离最小；
(6)将计算得到的距离变化率监控指标上限值作为第一控制限，并将计数指标上限值作为第二控制限；
(7)对待测的过渡工况数据每个采样点，执行步骤(3)-(5)，将计算得到的距离变化率监控指标与所述第一控制限比较，将计算得到的计数指标与所述第二控制限比较，得到故障检测结果。
进一步地，步骤(2)具体包括：
(2.1)对待整定的过渡工况数据与所述参考过渡工况数据，计算所有采样点两两间的带权距离；
(2.2)根据所述带权距离，获得待整定的过渡工况数据最后一个采样点与参考过渡工况数据最后一个采样点之间DTW距离的累积路径(xp，yp)；
(2.3)当xp＝xp+1＝...＝xp+a，根据对待整定的过渡工况数据进行整定；
当yq＝yq+1＝...＝yq+a，根据公式对待整定的过渡工况数据进行整定；
当上述条件均不满足，根据公式对待整定的过渡工况数据进行整定；其中，为整定后的过渡工况数据，Bi为待整定的过渡工况数据；
(2.4)计算整定后的过渡工况数据平均值
(2.5)计算每个变量与平均值的方差，以方差的倒数对权重矩阵进行更新和标准化；
(2.6)将整定后的过渡工况数据作为新的参考过渡工况数据，重复执行步骤(2.1)-(2.5)直至权重矩阵变化量达到设定阈值，得到整定后的过渡工况数据。
进一步地，步骤(3)中所述对采集的第i组过渡工况数据的前n个采样点分别计算与其他组整定后的过渡工况数据的开放式最小DTW距离，具体包括：
(3.1)计算待整定的过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵；
(3.2)根据公式在整定后过渡工况数据采样点中，选取与第i组过渡工况数据前n个采样点匹配的采样点，得到第i组过渡工况数据前n个采样点与该点的开放式最小DTW距离；
其中，i＝1,2,...I,j＝1,2,...,I，且j≠i，m＝1,2,...,bREF，Dij表示表示过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵，n表示待整定的过渡工况数据的第n个采样点，m表示整定后过渡工况数据的第m个采样点。
进一步地，步骤(4)中所述将计算得到的开放式最小DTW距离投影到所述参考过渡工况数据的持续时间长度上，获得投影后的DTW距离矩阵，具体包括：
(4.1)根据匹配的采样点对应的时间序列，对开放式最小DTW距离进行排列；
(4.2)在时间序列不连续时，采用最邻近的前一个非零开放式最小DTW距离填充空缺；
(4.3)在同一时间点对应多个开放式最小DTW距离时，将多个值的平均值作为新的开放式最小DTW距离。
进一步地，步骤(5)中所述根据投影后的DTW距离矩阵，对所有采样点计算距离变化率监控指标，具体方法为：在每一个时间点，对整定后的过渡工况数据选取最小的d个开放式最小DTW距离，将其平均值作为距离变化率监控指标；其中，d为样本组数的20％～25％。
进一步地，所述计数指标Ci(t)的计算公式为：
Ci(t)＝meanj<count{t＝argminm[Dij(n,m)]}>,n＝1,2,...,Ni。
进一步地，步骤(7)中所述将计算得到的距离变化率监控指标与所述第一控制限比较，将计算得到的计数指标与所述第二控制限比较，得到故障检测结果的具体方法为：当计算得到的距离变化率监控指标大于所述第一控制限，或计数指标大于所述第二控制限，视为发生故障；否则，视为未发生故障。
通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：
(1)本发明采用基于DTW的非线性整定方法，能够度量两个不同时长序列之间的相似度，从而在消除时间差异的同时保留数据的数值特征，因此针对动态特征复杂、具有显著持续时长差异的过渡工况，均能有效地进行故障检测。
(2)本发明在整定后的过渡工况数据中选取若干最小DTW距离均值计算距离变化率监控指标，能够灵敏地反映出待测过渡工况的偏离程度，提高了多工况工业过程的过渡工况故障检测效率；
(3)本发明采用计数指标判断待测过渡工况相对于参考过渡工况的耗时程度，对包含耗时异常在内的异常操作也能实现故障检测。
附图说明
图1是本发明实施例提供的一种多工况工业过程的过渡工况故障检测方法流程图；
图2是是Tennessee Eastman过程示意图；
图3是正常工况1到工况4的过渡工况应满足的条件；
图4(a)是采集的离线建模数据中变量10对应的过渡工况数据；
图4(b)是对变量10对应的过渡工况数据进行带权非对称整定后的结果；
图4(c)是41个变量对应的过渡工况数据整定后得到的权重；
图5(a)表示5个工况1到工况4的过渡工况的测试数据；
图5(b)～(e)分别表示四类异常(调节过多、调节过少、转换过快、转换过慢)的变量10向参考过渡工况整定后的结果；
图6(a)～(d)分别表示类异常在线监测的结果，每个结果分别包含两个监控指标；
图6(e)表示一组正常测试数据的监测结果；
图7(a)(b)分别表示原数据第245个采样和第255个采样时的控制图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参考图1，本发明提供了一种多工况工业过程的过渡工况故障检测方法，包括：
(1)采集正常过渡工况数据X∈RI×M×N，作为训练样本；其中，I为样本组数，M为变量个数，Ni为采样点数，i＝1,2,...,I；
(2)选取用时最接近所述训练样本平均时长的过渡工况数据作为参考过渡工况数据，并以所述参考过渡工况数据为目标，对所述训练样本进行带权非对称整定，获得整定后的过渡工况数据；
具体地，步骤(2)具体包括：
(2.1)对待整定的过渡工况数据与所述参考过渡工况数据，计算所有采样点两两间的带权距离；
计算公式为：di(n,m)＝[Bi(n,:)-BREF(m,:)]*W*[Bi(n,:)-BREF(m,:)]T，其中，Bi为待整定的过渡工况数据，BREF为参考过渡工况数据，n、m分别表示Bi的第n个采样点和BREF的第m个采样点，W为K维权重矩阵，第一次计算时应设置为单位对角阵，K为变量个数；
(2.2)根据带权距离，获得待整定的过渡工况数据最后一个采样点与参考过渡工况数据最后一个采样点之间DTW距离的累积路径(xp，yp)；
首先根据带权距离计算待整定的过渡工况数据与参考过渡工况数据所有采样点两两间的DTW距离，计算方法为：
然后根据DTW距离获得待整定的过渡工况数据最后一个采样点与参考过渡工况数据最后一个采样点之间DTW距离的累积路径(xp，yp)；
其中，xp、yp分别为[1，N]和[1，BREF]范围内的连续整数，N，bREF分别为待整定的过渡工况数据Bi和参考过渡工况数据BREF的总长度；
(2.3)当xp＝xp+1＝...＝xp+a，根据对待整定的过渡工况数据进行整定；
当yq＝yq+1＝…＝yq+a，根据公式对待整定的过渡工况数据进行整定；
当上述条件均不满足，根据公式对待整定的过渡工况数据进行整定；
其中，为整定后的过渡工况数据，Bi为待整定的过渡工况数据；
(2.4)计算整定后的过渡工况数据平均值
(2.5)计算每个变量与平均值的方差，以方差的倒数对权重矩阵进行更新和标准化，计算方法如下：
(2.6)将整定后的过渡工况数据作为新的参考过渡工况数据，重复执行步骤(2.1)-(2.5)直至权重矩阵变化量达到设定阈值，得到整定后的过渡工况数据；其中，设定阈值根据实际情况设定；
(3)对采集的第i组过渡工况数据的前n个采样点分别计算与其他组整定后的过渡工况数据的开放式最小DTW距离；其中，n＝1,2,...,Ni；
具体地，步骤(3)具体包括：
(3.1)计算待整定的过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵；
(3.2)根据公式在整定后过渡工况数据采样点中，选取与第i组过渡工况数据前n个采样点匹配的采样点，得到第i组过渡工况数据前n个采样点与该点的开放式最小DTW距离；
其中，i＝1,2,...I,j＝1,2,...,I，且j≠i，m＝1,2,...,bREF，Dij表示表示过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵，n表示待整定的过渡工况数据的第n个采样点，m表示整定后过渡工况数据的第m个采样点。
(4)将计算得到的开放式最小DTW距离投影到所述参考过渡工况数据的持续时间长度上，获得投影后的DTW距离矩阵；
具体地，步骤(4)具体包括：
(4.1)根据匹配的采样点对应的时间序列，对开放式最小DTW距离进行排列；
(4.2)在时间序列不连续时，采用最邻近的前一个非零开放式最小DTW距离填充空缺；
(4.3)在同一时间点对应多个开放式最小DTW距离时，将多个值的平均值作为新的开放式最小DTW距离。
(5)根据投影后的DTW距离矩阵，对所有采样点计算距离变化率监控指标，并根据整定后过渡工况数据某一点被匹配次数，计算计数指标；其中，距离变化率监控指标为对采样点计算得到的DTW距离与投影后的DTW距离变化率；某一点被匹配指的是，与第i组过渡工况数据前n个采样点开放式DTW距离最小；
具体地，步骤(5)中计算距离变化率监控指标的具体方法为：在每一个时间点，对整定后的过渡工况数据选取最小的d个开放式最小DTW距离，将其平均值作为距离变化率监控指标；其中，d为样本组数的20％～25％。距离变化率监控指标的计算公式为：
计数指标Ci(t)的计算公式为：
Ci(t)＝meanj<count{t＝argminm[Dij(n,m)]}>,n＝1,2,...,Ni。
(6)将计算得到的距离变化率监控指标上限值作为第一控制限，并将计数指标上限值作为第二控制限；
(7)对待测的过渡工况数据每个采样点，执行步骤(3)-(5)，将计算得到的距离变化率监控指标与所述第一控制限比较，将计算得到的计数指标与所述第二控制限比较，得到故障检测结果。
具体地，判断有无故障发生的具体方法为：当计算得到的距离变化率监控指标大于所述第一控制限，或计数指标大于所述第二控制限，视为发生故障；否则，视为未发生故障。
本发明实施例通过Tennessee Eastman(TE)过程对本发明故障检测方法进行验证。TE过程是一个基于真实工业过程的仿真平台，在基于数据驱动的故障检测研究领域被广泛应用于各种监控方法的性能评价中，包含5个部分：反应器、冷凝器、循环压缩机、气液分离器、汽提塔，该过程示意图如图2所示，该过程包括一种正常状态数据集和20种故障状态数据集，包含41个测量变量和12个控制变量。根据产品G/H质量比的不同，TE过程有六个操作模式，各模式参数如表1所示，工业过程中根据不同的需求使系统工作在相应的模式下。
表1
操作工况 产品中G百分比 产品中H百分比 产品产率
1 50％ 50％ 7038kgh<sup>-1</sup>
2 10％ 90％ G为1408kgh<sup>-1</sup>、H为12,669kgh<sup>-1</sup>
3 90％ 10％ G为10000kgh<sup>-1</sup>、H为1111kgh<sup>-1</sup>
4 50％ 50％ 最大生产率
5 10％ 90％ 最大生产率
6 90％ 10％ 最大生产率
本次验证在工况1向工况4转换的情况下进行，规定正常过渡工况离线建模的数据具有如图3所示的特征，本次验证以此为依据，生成了包含13个正常工况1向工况4转换的过渡工况数据集。以变量10为例，采集的原始过渡工况数据集如图4(a)所示，通过非对称带权整定后的数据集如图4(b)所示，多次迭代后41个变量的权重如图4(c)所示。
本次验证用于在线测试的数据集特征如图5(a)所示，分别代表调节过多、调节过少、转换过快、转换过慢四类异常和一组正常数据。完整的异常测试数据在整定后与原始数据的对比分别如图5(b)～(e)所示。分别对上述四组异常数据和一组正常数据进行在线检测，两个监控指标的控制图如图6(a)～(e)所示，图中上半部分为技术指标的控制图，下半部分为距离变化率监控指标的控制图，当任一部分发生超限，即视为异常发生。以调节过多异常为例，通过5(a)可以得知该异常在步骤3引入，通过图5(b)可以看出整定后的步骤3于第350点左右开始，第355点左右出现明显的超限，而图6(a)所示测试结果在350点之后立即报警，证明本发明方法能对调节过多异常及时报警；同理，可以看出，本方法对四类异常均有很好的检测效果，能在故障发生后短时间内识别出异常，对于正常数据也能保证低误报的情况。图7(a)(b)分别展示了(转换过慢)异常在发生前后的监控过程中控制限随时间逐渐被超过的过程，根据图5(a)可知，该异常应看做在原数据第250个采样左右发生，从图7(a)可看出，第245个采样的监控图仅有微小超限；从图7(b)可看出，第255个采样的监控图已经有多处连续超限，能明显反映异常，因该结果符合预期。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种多工况工业过程的过渡工况故障检测方法，其特征在于，包括：
(1)采集正常过渡工况数据X∈RI×M×N，作为训练样本；其中，I为样本组数，M为变量个数，Ni为采样点数，i＝1,2,...,I；
(2)选取用时最接近所述训练样本平均时长的过渡工况数据作为参考过渡工况数据，并以所述参考过渡工况数据为目标，对所述训练样本进行带权非对称整定，获得整定后的过渡工况数据；
(3)对采集的第i组过渡工况数据的前n个采样点分别计算与其他组整定后的过渡工况数据的开放式最小DTW距离；其中，n＝1,2,...,Ni；
(4)将计算得到的开放式最小DTW距离投影到所述参考过渡工况数据的持续时间长度上，获得投影后的DTW距离矩阵；
(5)根据投影后的DTW距离矩阵，对所有采样点计算距离变化率监控指标，并根据整定后过渡工况数据某一点被匹配次数，计算计数指标；
其中，所述距离变化率监控指标为对采样点计算得到的DTW距离与投影后的DTW距离变化率；所述某一点被匹配指的是，与第i组过渡工况数据前n个采样点开放式DTW距离最小；
(6)将计算得到的距离变化率监控指标上限值作为第一控制限，并将计数指标上限值作为第二控制限；
(7)对待测的过渡工况数据每个采样点，执行步骤(3)-(5)，将计算得到的距离变化率监控指标与所述第一控制限比较，并将计算得到的计数指标与所述第二控制限比较，得到故障检测结果。
2.根据权利要求1所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，步骤(2)具体包括：
(2.1)对待整定的过渡工况数据与所述参考过渡工况数据，计算所有采样点两两间的带权距离；
(2.2)根据所述带权距离，获得待整定的过渡工况数据最后一个采样点与参考过渡工况数据最后一个采样点之间DTW距离的累积路径(xp，yp)；
(2.3)当xp＝xp+1＝...＝xp+a，根据对待整定的过渡工况数据进行整定；
当yq＝yq+1＝...＝yq+a，根据公式对待整定的过渡工况数据进行整定；
当上述条件均不满足，根据公式对待整定的过渡工况数据进行整定；其中，为整定后的过渡工况数据，Bi为待整定的过渡工况数据；
(2.4)计算整定后的过渡工况数据平均值
(2.5)计算每个变量与平均值的方差，以方差的倒数对权重矩阵进行更新和标准化；
(2.6)将整定后的过渡工况数据作为新的参考过渡工况数据，重复执行步骤(2.1)-(2.5)直至权重矩阵变化量达到设定阈值，得到整定后的过渡工况数据。
3.根据权利要求1或2所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，步骤(3)中所述对采集的第i组过渡工况数据的前n个采样点分别计算与其他组整定后的过渡工况数据的开放式最小DTW距离，具体包括：
(3.1)计算待整定的过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵；
(3.2)根据公式在整定后过渡工况数据采样点中，选取与第i组过渡工况数据前n个采样点匹配的采样点，得到第i组过渡工况数据前n个采样点与该点的开放式最小DTW距离；
其中，i＝1,2,...I,j＝1,2,...,I，且j≠i，m＝1,2,...,bREF，Dij表示过渡工况数据Bi和整定后的过渡工况数据之间的累积DTW距离矩阵，n表示待整定的过渡工况数据的第n个采样点，m表示整定后过渡工况数据的第m个采样点。
4.根据权利要求1-3任一项所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，步骤(4)中所述将计算得到的开放式最小DTW距离投影到所述参考过渡工况数据的持续时间长度上，获得投影后的DTW距离矩阵，具体包括：
(4.1)根据匹配的采样点对应的时间序列，对开放式最小DTW距离进行排列；
(4.2)在时间序列不连续时，采用最邻近的前一个非零开放式最小DTW距离填充空缺；
(4.3)在同一时间点对应多个开放式最小DTW距离时，将多个值的平均值作为新的开放式最小DTW距离。
5.根据权利要求1-4任一项所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，步骤(5)中所述根据投影后的DTW距离矩阵，对所有采样点计算距离变化率监控指标，具体方法为：在每一个时间点，对整定后的过渡工况数据选取最小的d个开放式最小DTW距离，将其平均值作为距离变化率监控指标；其中，d为样本组数的20％～25％。
6.根据权利要求1-5任一项所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，所述计数指标Ci(t)的计算公式为：
Ci(t)＝meanj<count{t＝argminm[Dij(n,m)]}>,n＝1,2,...,Ni。
7.根据权利要求1-6任一项所述的一种多工况工业过程的过渡工况故障检测方法，其特征在于，步骤(7)中所述将计算得到的距离变化率监控指标与所述第一控制限比较，将计算得到的计数指标与所述第二控制限比较，得到故障检测结果的具体方法为：当计算得到的距离变化率监控指标大于所述第一控制限，或计数指标大于所述第二控制限，视为发生故障；否则，视为未发生故障。
CN201910769599.8A 2019-08-20 2019-08-20 一种多工况工业过程的过渡工况故障检测方法 Expired - Fee Related CN110543153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910769599.8A CN110543153B (zh) 2019-08-20 2019-08-20 一种多工况工业过程的过渡工况故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910769599.8A CN110543153B (zh) 2019-08-20 2019-08-20 一种多工况工业过程的过渡工况故障检测方法

Publications (2)

Publication Number Publication Date
CN110543153A true CN110543153A (zh) 2019-12-06
CN110543153B CN110543153B (zh) 2020-11-17

Family

ID=68711777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910769599.8A Expired - Fee Related CN110543153B (zh) 2019-08-20 2019-08-20 一种多工况工业过程的过渡工况故障检测方法

Country Status (1)

Country Link
CN (1) CN110543153B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458522A (zh) * 2009-01-08 2009-06-17 浙江大学 基于主元分析和支持向量数据描述的多工况过程监控方法
CN103824137A (zh) * 2014-03-20 2014-05-28 北京信息科技大学 一种复杂机械设备多工况故障预测方法
WO2015117791A1 (en) * 2014-02-07 2015-08-13 Siemens Aktiengesellschaft Estimation of health parameters in industrial gas turbines
CN105487524A (zh) * 2015-12-29 2016-04-13 浙江中烟工业有限责任公司 具有多工况特性的超高速小盒包装机状态监测与诊断方法
CN106200624A (zh) * 2016-08-26 2016-12-07 大连海事大学 基于交叉分段pca的工业锅炉故障诊断方法
CN107194068A (zh) * 2017-05-22 2017-09-22 中国石油大学(北京) 页岩气压裂过程井下异常工况实时预测预警方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458522A (zh) * 2009-01-08 2009-06-17 浙江大学 基于主元分析和支持向量数据描述的多工况过程监控方法
WO2015117791A1 (en) * 2014-02-07 2015-08-13 Siemens Aktiengesellschaft Estimation of health parameters in industrial gas turbines
CN103824137A (zh) * 2014-03-20 2014-05-28 北京信息科技大学 一种复杂机械设备多工况故障预测方法
CN105487524A (zh) * 2015-12-29 2016-04-13 浙江中烟工业有限责任公司 具有多工况特性的超高速小盒包装机状态监测与诊断方法
CN106200624A (zh) * 2016-08-26 2016-12-07 大连海事大学 基于交叉分段pca的工业锅炉故障诊断方法
CN107194068A (zh) * 2017-05-22 2017-09-22 中国石油大学(北京) 页岩气压裂过程井下异常工况实时预测预警方法及装置

Also Published As

Publication number Publication date
CN110543153B (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN111444953B (zh) 一种基于改进粒子群优化算法的传感器故障监测方法
CN108022058B (zh) 一种风力机状态可靠性评估方法
CN108508865B (zh) 一种基于分散式osc-pls回归模型的故障检测方法
CN103631681A (zh) 一种在线修复风电场异常数据的方法
CN111879349A (zh) 一种传感器数据偏差自适应修正方法
CN116739829B (zh) 一种基于大数据的电力数据分析方法、系统及介质
CN116893643A (zh) 一种基于数据分析的智能机器人行驶轨迹安全管控系统
CN116028887A (zh) 一种连续性工业生产数据的分析方法
CN116771610A (zh) 一种调整风电机组变桨系统故障评估值的方法
CN113205125A (zh) 一种基于XGBoost的特高压换流阀运行状态评估方法
WO2020166236A1 (ja) 作業効率評価方法、作業効率評価装置、及びプログラム
CN109359742B (zh) 一种地铁子系统预防维修周期的生成方法
CN117849700B (zh) 可控制测量的模块化电能计量系统
CN105741184B (zh) 一种变压器状态评估方法及装置
CN114597886A (zh) 基于区间二型模糊聚类分析的配电网运行状态评估方法
CN118100446B (zh) 一种用于电力系统的节点运行状态智能检测方法
CN110543153B (zh) 一种多工况工业过程的过渡工况故障检测方法
CN111192163B (zh) 基于风电机组运行数据的发电机可靠度中短期预测方法
CN110083804B (zh) 基于条件分布回归的风电场scada数据缺失的智能修复方法
CN109389313B (zh) 一种基于加权近邻决策的故障分类诊断方法
CN117927322A (zh) 一种基于燃气-蒸汽联合循环效率优化方法及系统
CN116908606A (zh) 基于人工智能算法的电网故障定位方法和系统
CN114896831A (zh) 绝缘子状态识别方法及系统
CN107480647A (zh) 基于归纳式一致性异常检测的异常行为实时检测方法
CN118395222B (zh) 一种用于变压器的异常监控方法及系统

Legal Events

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

Granted publication date: 20201117

CF01 Termination of patent right due to non-payment of annual fee