基於多次移動平均的微小故障檢測方法和裝置製造方法
2023-06-12 01:53:21 1
基於多次移動平均的微小故障檢測方法和裝置製造方法
【專利摘要】本發明公開了一種基於多次移動平均的微小故障檢測方法和裝置，該方法包括：採集正常工況下樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P；基於每一採樣時刻的第一滑動時間窗口內正常工況下過程變量的樣本數據，獲得第一滑動時間窗口內的多元統計量SPE和T2；提取第一滑動時間窗口內的SPE和T2的第一統計特徵；針對第二滑動時間窗口內SPE和T2的第一統計特徵進行多次滑動平均處理，得到SPE和T2的第二統計特徵；確定針對微小故障檢測的故障判別區間，定義故障檢測規則；採集工作現場過程變量的樣本數據，依據所述負載矩陣P，計算工作現場多元統計量SPE和T2的第二統計特徵，根據所述故障檢測規則判斷是否出現微小故障。
【專利說明】基於多次移動平均的微小故障檢測方法和裝置
【技術領域】
[0001]本發明涉及故障檢測領域，尤其涉及一種基於多次移動平均的微小故障檢測方法和裝置。
【背景技術】
[0002]現代工業運行過程中，對系統的安全和可靠性的要求逐步提升。故障檢測是保障系統安全運行、提高系統可靠性的關鍵技術，同時也是提高產品質量的關鍵步驟。隨著系統的複雜度逐步提升，元件數據量的不斷增長，基於多元統計的故障檢測方法不斷被關注。例如基於主元分析(PCA)的故障檢測方法已被廣泛應用，其故障檢測性能往往優於單變量的故障檢測性能，因為PCA增加了對變量之間線性關係的考量。該類方法的優勢在於其不依賴於系統結構，而只需通過歷史數據建立主元分析模型，這一優勢在基於多元統計的故障檢測方法中尤為突出。
[0003]然而，此類基於多元統計的故障檢測方法對微小故障的敏感性較差。如PCA中的多元統計量SPE，T2針對微小故障的故障檢測效果較差。這是由於SPE，T2多元統計量中仍然包含了大量的未被提取的信息，而這些信息即可被認為是由微小故障引起的變化。
[0004]因此，亟需提供一種能夠進一步提取多元統計量SPE，T2中包含的反映微小故障信息的方法和裝置來解決上述問題。
【發明內容】
[0005]本發明針對現有技術的不足，提出了一種基於多次移動平均的微小故障檢測方法，包括:
[0006]步驟A，採集正常工況下過程變量的樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P;
[0007]步驟B，依據所述負載矩陣P，基於每一採樣時刻的第一滑動時間窗口內正常工況下過程變量的樣本數據，獲得第一滑動時間窗口內的多元統計量SPE和T2 ;分別提取每一採樣時刻的第一滑動時間窗口內的多元統計量SPE和T2的第一統計特徵；
[0008]步驟C，針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，得到SPE和T2的第二統計特徵；
[0009]步驟D，依據所述多元統計量SPE和T2的第二統計特徵確定針對微小故障檢測的故障判別區間，根據所述故障判別區間定義故障檢測規則；
[0010]步驟E，採集工作現場過程變量的樣本數據，根據所述負載矩陣P，計算工作現場多元統計量SPE和T2的第二統計特徵，根據所述故障檢測規則判斷是否出現微小故障。
[0011]根據本發明的一實施例，所述第一滑動時間窗口包括連續的I個採樣時間間隔；每隔一個採樣時間間隔，所述第一滑動時間窗口向前滑動一次，共滑動n-1+l次；n為正常工況下樣本總數，I為第一滑動時間窗口的長度；所述第一統計特徵包括每個時刻的第一滑動時間窗口內SPE和T2的均值、方差、偏度和峭度。[0012]根據本發明的一實施例，所述第二滑動時間窗口包括連續t個採樣時間間隔，t為第二滑動時間窗口的長度。
[0013]根據本發明的一實施例，步驟C針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，其中
[0014]對所述第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行一次滑動平均處理，得到SPE和T2的第一統計特徵的一次滑動平均處理結果；
[0015]對所述一次滑動平均處理結果進行逐次迭代滑動平均，直到第N次滑動平均為止，第N次滑動平均的結果為所述多元統計量SPE和T2第二統計特徵。
[0016]根據本發明的一實施例，步驟D依據所述多元統計量SPE和T2的第二統計特徵確定針對微小故障檢測的故障判別區間，其中
[0017]根據所述多元統計量SPE和T2的第二統計特徵確定置信水平並給出置信區間，得到所述微小故障檢測的故障判別區間。
[0018]根據本發明的一實施例，步驟E中所述故障檢測規則為:當所述多元統計量SPE和T2的第二統計特徵中至少一項處於相應的故障判別區間外部時，判斷為出現微小故障。
[0019]根據本發明的另一方面，提供一種基於多次移動平均的微小故障檢測裝置，包括:
[0020]建模模塊，用於採集正常工況下過程變量的樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P ；
[0021]第一統計特徵提取模塊，用於依據所述負載矩陣，基於每一採樣時刻的第一滑動時間窗口內正常工況下過程變量的樣本數據，獲得第一滑動時間窗口內的多元統計量SPE和T2 ;分別提取每一採樣時刻的第一滑動時間窗口內的多元統計量SPE和T2的第一統計特徵；
[0022]第二統計特徵提取模塊，用於針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，得到多元統計量SPE和T2的第二統計特徵；
[0023]故障檢測規則構造模塊，用於依據所述多元統計量SPE和T2的第二統計特徵，確定針對微小故障檢測的故障判別區間，根據所述故障判別區間定義故障檢測規則；
[0024]故障檢測模塊，用於採集工作現場過程變量的樣本數據，根據所述負載矩陣P，計算工作現場多元統計量SPE和T2的第二統計特徵，根據所述故障檢測規則判斷是否出現微小故障。
[0025]根據本發明的一實施例，所述第一滑動時間窗口包括連續的I個採樣時間間隔；每隔一個米樣時間間隔，所述第一滑動時間窗口向前滑動一次，共滑動n-1+l次；n為樣本總數，I為第一滑動時間窗口的長度；
[0026]第一統計特徵包括每個時刻的第一滑動時間窗口內SPE和T2的均值、方差、偏度和峭度。
[0027]根據本發明的一實施例，所述第二滑動時間窗口包括連續的t個採樣時間間隔，t為第二滑動時間窗口的長度；
[0028]所述第二統計特徵提取模塊對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行一次滑動平均處理，得到SPE和T2的第一統計特徵的一次滑動平均處理結果；針對所述一次滑動平均處理結果進行逐次迭代滑動平均，直到進行第N次滑動平均為止，第N次滑動平均的結果為所述多元統計量SPE和T2第二統計特徵。
[0029]根據本發明的一實施例，所述故障檢測規則構造模塊根據所述多元統計量SPE和T2的第二統計特徵確定置信水平並給出置信區間，得到所述微小故障檢測的故障判別區間；
[0030]所述故障檢測模塊中的故障檢測規則為當所述多元統計量SPE和T2的第二統計特徵中至少一項處於相應的故障判別區間外部時，判斷為出現微小故障。
[0031]本發明利用多次移動平均中均值不變而方差範圍減小的特點，通過採用時間窗口的多次移動平均剔除個別異常情況下的數據點，減弱異常數據點對置信區間的影響，提高對微小故障檢測的魯棒性。本發明的方法能夠在現有多元統計分析框架下較大幅度的提高針對微小故障的檢測效果。
[0032]本發明的其它特徵和優點將在隨後的說明書中闡述，並且部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。
【專利附圖】
【附圖說明】
[0033]圖1是本發明實施例一基於多次移動平均的微小故障檢測方法的流程圖；
[0034]圖2是根據本發明實施例二基於多次移動平均的微小故障檢測方法的流程圖；
[0035]圖3是根據本發明實施例三基於多次移動平均的微小故障檢測裝置的模塊示意圖；
[0036]圖4是實施例二中故障a發生時SPE, T2, MSPE, MT2, VSPE, VT2檢測性能示意圖；
[0037]圖5是實施例二中故障a發生時M5MSPE, M5VSPE, M5MT2, M5VT2的變化示意圖；
[0038]圖6是實施例二中故障a發生時FI的檢測結果示意圖；
[0039]圖7是實施例二中故障b發生時SPE, T2, MSPE, MT2, VSPE, VT2檢測性能示意圖；
[0040]圖8是實施例二中故障b發生時M5MSPE, M5VSPE, M5MT2, M5VT2的變化示意圖；
[0041]圖9是實施例二中故障b發生時FI的檢測結果示意圖；
[0042]圖10是實施例二中故障c發生時SPE, T2, MSPE, MT2, VSPE, VT2檢測性能示意圖；
[0043]圖11是實施例二中故障c發生時M5MSPE, M5VSPE, M5MT2, M5VT2的變化示意圖；
[0044]圖12是實施例二中故障c發生時FI的檢測結果示意圖；
[0045]圖13是實施例二中故障d發生時SPE, T2, MSPE, MT2, VSPE, VT2檢測性能示意圖；
[0046]圖14是實施例二中故障d發生時M5MSPE, M5VSPE, M5MT2, M5VT2的變化示意圖；
[0047]圖15是實施例二中故障d發生時FI的檢測結果示意圖。
【具體實施方式】
[0048]以下將結合附圖來詳細說明本發明的實施方式，藉此對本發明如何應用技術手段來解決技術問題，並達成技術效果的實現過程能充分理解並據以實施。需要說明的是，只要不構成衝突，本發明各實施例以及各實施例中的各個特徵可以相互結合，所形成的技術方案均在本發明的保護範圍之內。
[0049]本發明旨在提供一種能夠在現有的多元統計框架下給出針對微小故障更好的檢測效果的方法和裝置。[0050]實施例一
[0051]圖1所示為本發明實施例一的基於多次移動平均的微小故障檢測方法的流程圖。
[0052]步驟S101，採集正常工況下過程變量的樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P。
[0053]具體地，採集正常工況數據，假設所檢測的對象包含m個傳感器，則有X ∈Rm；每個傳感器有η個獨立採樣，η為樣本總數。則可採集正常工況下的數據並構造如下的正常工況測量矩陣 Xq= [Xl，X2,..., xn]T ∈ Rnxm ；
[0054]對正常工況測量矩陣進行預處理，將正常工況測量矩陣Xtl的每一列減去相應的變量均值且除以相應的變量標準差，經此種數據預處理後的常態測量矩陣記做X ∈ Rnxm ；
[0055]利用主成分分析PCA方法建立主元分析模型，即:
[0056]
【權利要求】
1.一種基於多次移動平均的微小故障檢測方法，其特徵在於，包括: 步驟A，採集正常工況下過程變量的樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P ； 步驟B，依據所述負載矩陣P，基於每一採樣時刻的第一滑動時間窗口內正常工況下過程變量的樣本數據獲得第一滑動時間窗口內的多元統計量SPE和T2 ;分別提取每一採樣時刻的第一滑動時間窗口內的多元統計量SPE和T2的第一統計特徵； 步驟C，針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，得到SPE和T2的第二統計特徵； 步驟D，依據所述多元統計量SPE和T2的第二統計特徵確定針對微小故障檢測的故障判別區間，根據所述故障判別區間定義故障檢測規則； 步驟E，採集工作現場過程變量的樣本數據，根據所述負載矩陣P，計算工作現場多元統計量SPE和T2的第二統計特徵，根據所述故障檢測規則判斷是否出現微小故障。
2.如權利要求1所述的方法，其特徵在於， 所述第一滑動時間窗口包括連續的I個採樣時間間隔；每隔一個採樣時間間隔，所述第一滑動時間窗口向前滑動一次，共滑動n-1+l次；n為正常工況下樣本總數，I為第一滑動時間窗口的長度； 所述第一統計特徵包括每個時刻的第一滑動時間窗口內SPE和T2的均值、方差、偏度和峭度。
3.如權利要求2所述的方法，其特徵在於， 所述第二滑動時間窗口包括連續t個採樣時間間隔，t為第二滑動時間窗口的長度。
4.如權利要求2所述的方法，其特徵在於，步驟C針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，其中 對所述第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行一次滑動平均處理，得到SPE和T2的第一統計特徵的一次滑動平均處理結果； 對所述一次滑動平均處理結果進行逐次迭代滑動平均，直到第N次滑動平均為止，第N次滑動平均的結果為所述多元統計量SPE和T2第二統計特徵。
5.如權利要求3或4所述的方法，其特徵在於，步驟D依據所述多元統計量SPE和T2的第二統計特徵確定針對微小故障檢測的故障判別區間，其中 根據所述多元統計量SPE和T2的第二統計特徵確定置信水平並給出置信區間，得到所述微小故障檢測的故障判別區間。
6.如權利要求1-5中任一項所述的方法，其特徵在於，所述故障檢測規則為:當所述多元統計量SPE和T2的第二統計特徵中至少一項處於相應的故障判別區間外部時，判斷為出現微小故障。
7.一種基於多次移動平均的微小故障檢測裝置，其特徵在於，包括 建模模塊，用於採集正常工況下過程變量的樣本數據，利用主成分分析PCA方法建立主元分析模型，獲得負載矩陣P ； 第一統計特徵提取模塊，用於依據所述負載矩陣，基於每一採樣時刻的第一滑動時間窗口內正常工況下過程變量的樣本數據，獲得第一滑動時間窗口內的多元統計量SPE和T2 ；分別提取每一採樣時刻的第一滑動時間窗口內的多元統計量SPE和T2的第一統計特徵；第二統計特徵提取模塊，用於針對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行多次滑動平均處理，得到多元統計量SPE和T2的第二統計特徵； 故障檢測規則構造模塊，用於依據所述多元統計量SPE和T2的第二統計特徵，確定針對微小故障檢測的故障判別區間，根據所述故障判別區間定義故障檢測規則； 故障檢測模塊，用於採集工作現場過程變量的樣本數據，根據所述負載矩陣P，計算工作現場多元統計量SPE和T2的第二統計特徵，根據所述故障檢測規則判斷是否出現微小故障。
8.如權利要求7所述的裝置，其特徵在於，所述第一滑動時間窗口包括連續的I個採樣時間間隔；每隔一個採樣時間間隔，所述第一滑動時間窗口向前滑動一次，共滑動n-1+l次；n為樣本總數，I為第一滑動時間窗口的長度； 第一統計特徵包括每個時刻的第一滑動時間窗口內SPE和T2的均值、方差、偏度和峭度。
9.如權利要求7所述的裝置，其特徵在於，所述第二滑動時間窗口包括連續的t個採樣時間間隔，t為第二滑動時間窗口的長度； 所述第二統計特徵提取模塊對第二滑動時間窗口內多元統計量SPE和T2的第一統計特徵進行一次滑動平均處理，得到SPE和T2的第一統計特徵的一次滑動平均處理結果；針對所述一次滑動平均處理結果進行逐次迭代滑動平均，直到進行第N次滑動平均為止，第N次滑動平均的結果為所述多元統計量SPE和T2第二統計特徵。
10.如權利要求8或9所述的裝置，其特徵在於，所述故障檢測規則構造模塊根據所述多元統計量SPE和T2的第二統`計特徵確定置信水平並給出置信區間，得到所述微小故障檢測的故障判別區間； 所述故障檢測規則為當所述多元統計量SPE和T2的第二統計特徵中至少一項處於相應的故障判別區間外部時，判斷為出現微小故障。
【文檔編號】G01D18/00GK103776480SQ201410043924
【公開日】2014年5月7日 申請日期:2014年1月29日 優先權日:2014年1月29日
【發明者】周東華, 郭天序, 陳茂銀 申請人:清華大學