专利摘要
本发明涉及一种基于正多胞体滤波的工业系统分层故障诊断方法,包括获取CSTR系统模型及其故障库,应用正多胞体滤波的方法包络可行参数集,通过检测可行参数集是否为空判断CSTR系统是否发生故障,若系统发生故障,则对故障库进行层次聚类分析,按聚类结果逐层进行判别分析,最后进行模型匹配,确定故障类型,若一定时间内没有匹配到故障类型,则考虑匹配该样本邻域内的故障类型,若整个仿真时长内都没有匹配到故障类型,则表示CSTR系统发生了新的故障类型,将新的故障类型添加到故障库中,当再次发生该类型故障时需重新进行层次聚类分析。与直接进行模型匹配的故障诊断方法相比,减少了计算时间复杂度,降低计算负载,同时增加了故障诊断效率。
权利要求
1.一种基于正多胞体滤波的工业系统分层故障诊断方法,其特征在于包括以下步骤:
第一步,获取CSTR系统模型和故障库;
第二步,根据CSTR系统模型确定k-1时刻的正多胞体O(k-1);
第三步,确定k时刻的测量集合S(k);
第四步,检测k-1时刻的正多胞体O(k-1)和k时刻的测量集合S(k)交集是否为空集,若交集为空集,判定系统存在故障并跳转第五步,若交集不为空集,判定系统无故障,更新相关数据信息并跳转第十二步;
第五步,初始化正多胞体O(k)并记录故障信息;
第六步,对第一步中获取的故障库进行层次聚类分析;
第七步,更新相关数据信息;
第八步,以第六步结果为先验知识逐层进行判别分析,循环第八步至该层的样本个数小于三个后,跳转第九步;
第九步:通过模型匹配识别故障类型,若在一定时间内匹配成功,则记录故障信息并跳转第十二步,若在一定时间内匹配失败,跳转第十步;
第十步,于样本邻域内进行模型匹配,若在仿真时长内匹配成功,则记录故障信息并跳转第十二步,若在仿真时长内匹配失败,则跳转第十一步;
第十一步,判定系统出现新的故障类型,把所述故障类型添加到故障库中,并跳转第十二步;
第十二步,若已经检测到故障,跳转至第七步,若未检测到故障,则跳转至第四步,循环跳转直至k>N,N为数据长度。
2.如权利要求1所述的一种基于正多胞体滤波的工业系统分层故障诊断方法,其特征在于所述第一步中获取CSTR的系统模型还包括步骤A~C:
A.根据反应器中物质浓度和反应温度创建状态空间模型;
B.基于创建的状态空间模型对CSTR系统的连续微分方程进行有限差分离散化处理;
C.将线性化后的CSTR模型转换为递归模型。
3.如权利要求1所述的一种基于正多胞体滤波的工业系统分层故障诊断方法,其特征在于所述第二步与第三步中确定正多胞体与测量集合的过程还包括步骤D~F:
D.定义k时刻的可行参数集及界定所述可行参数集的平行超平面;
E.定义正多胞体;
F.定义测量集合。
4.如权利要求1所述的一种基于正多胞体滤波的工业系统分层故障诊断方法,其特征在于所述第四步中检测正多胞体与测量合集的交集是否为空集的过程还包括步骤G~I:
G.确定正多胞体的顶点;
H.创建顶点相对两条超平面的位置变量;
I.将检测正多胞体与测量合集的交集是否为空集转换为检测正多胞体顶点是否在两条超平面之间。
5.如权利要求1所述的一种基于正多胞体滤波的工业系统分层故障诊断方法,其特征在于所述第六步中的层次聚类分析过程还包括步骤J~L:
J.定义类间平方距离;
K.依据所述类间平方距离构建类间平方聚类的递推公式;
L.执行聚类分析。
说明书
技术领域
本发明涉及故障诊断技术领域,尤其是一种基于正多胞体滤波的工业系统分层故障诊断方法。
背景技术
连续搅拌反应釜(CSTR)是一种复杂的非线性化学反应器,是生产聚合物的核心设备,它具有热交换能力强、投资少和产品质量稳定等特点,在化工、石油生产、发酵、生物制药等工业生产过程得到了广泛的应用。CSTR中的关键变量一般为反应器温度、产品浓度等,从而关键变量的在线估计和故障诊断将有利于控制整个反应过程,从而提高产品质量。
通常,故障原因由集总参数变化、结构变化和传感器/执行器失灵三种情况构成,由于化工过程性能的降低较多的表现为参数的变化,而不是结构或状态的变化,所以化工过程的故障诊断往往通过辨识未知的过程参数来搜寻过程故障的特定来源。对于故障类型较少的故障诊断,通常直接采用模型匹配的方法实现,但是对于较复杂的化工过程,故障类型较多,直接应用模型匹配的方法会使故障诊断效率降低,且时间复杂度增加。
发明内容
本申请人针对上述现有生产技术中的缺点,提供一种基于正多胞体滤波的工业系统分层故障诊断方法,采用正多胞体滤波技术,配套复杂度合理的诊断算法,避免了传统检测方法直接进行模型匹配带来的高计算负载和低诊断效率,能实现快捷稳定的故障诊断。
本发明所采用的技术方案如下:
一种基于正多胞体滤波的工业系统分层故障诊断方法,包括以下步骤:
第一步,获取CSTR系统模型和故障库;
第二步,根据CSTR系统模型确定k-1时刻的正多胞体;
第三步,确定k时刻的测量集合;
第四步,检测k-1时刻的正多胞体和k时刻的测量集合交集是否为空集,若交集为空集,判定系统存在故障并跳转第五步,若交集不为空集,判定系统无故障,更新相关数据信息并跳转第十二步;
第五步,初始化正多胞体O(k)并记录故障信息;
第六步,对第一步中获取的故障库进行层次聚类分析;
第七步,更新相关数据信息;
第八步,以第六步结果为先验知识逐层进行判别分析,循环第八步至各层的样本个数小于三个后,跳转第九步;
第九步:通过模型匹配识别故障类型,若在一定时间内匹配成功,则记录故障信息并跳转第十二步,若在一定时间内匹配失败,跳转第十步;
第十步,于样本邻域内进行模型匹配,若在仿真时长内匹配成功,则记录故障信息并跳转第十二步,若在仿真时长内匹配失败,则跳转第十一步;
第十一步,判定系统出现新的故障类型,把所述故障类型添加到故障库中,并跳转第十二步;
第十二步,若已经检测到故障,跳转至第七步;若未检测到故障,则跳转至第四步,循环跳转直至k>N,N为数据长度。
其进一步技术方案在于:
第一步中获取CSTR的系统模型还包括步骤A~C:
A.根据反应器中物质浓度和反应温度创建状态空间模型;
B.基于创建的状态空间模型对CSTR系统的连续微分方程进行有限差分离散化处理;
C.将线性化后的CSTR模型转换为递归模型;
第二步与第三步中确定正多胞体与测量集合的过程还包括步骤D~F:
D.定义k时刻的可行参数集及界定所述可行参数集的平行超平面;
E.定义正多胞体;
F.定义测量集合;
第四步中检测正多胞体与测量合集的交集是否为空集的过程还包括步骤G~I:
G.确定正多胞体的顶点;
H.创建顶点相对两条超平面的位置变量;
I.将检测正多胞体与测量合集的交集是否为空集转换为检测正多胞体顶点是否在两条超平面之间;
第六步中的层次聚类分析过程还包括步骤J~L:
J.定义类间平方距离;
K.依据所述类间平方距离构建类间平方聚类的递推公式;
L.执行聚类分析。
本发明的有益效果如下:
本发明针对CSTR复杂化工过程中出现故障类型较多的诊断问题,提出了一种基于正多胞体滤波的工业系统分层故障诊断方法,应用正多胞体包络可行参数集,通过检测可行参数集是否为空判断CSTR系统是否发生故障;应用层次聚类的方法对故障库进行层次聚类分析,并逐层进行判别分析,采用模型匹配的方法进行故障识别,并能自动添加新的故障类型。本发明在逐层判别分析时,对于不符合判别条件的故障类型直接舍弃,与通常应用的模型匹配的故障诊断方法相比,减少了计算时间复杂度,同时增加了故障诊断效率,且故障库中包含的故障类型越多,该故障诊断方法的有益效果越显著。
附图说明
图1为本发明的流程示意简图。
图2为本发明的详细流程示意图。
图3为本发明的层次聚类分析示意图。
图4为本发明的逐层判别分析示意图。
具体实施方式
下面结合附图,说明本发明的具体实施方式。
如图1~2所示,本发明包括如下步骤:
第一步,获取CSTR系统模型和故障库,其中获取CSTR的系统模型包括步骤A~C:
A.根据反应器中物质浓度和反应温度创建状态空间模型:
其中CA为反应物的浓度,CA0为进料液浓度,Cp为组分比热,T为反应温度,Tc为冷却剂温度,T0为进料液温度,q为进料流量,UA为复合数,ρ为组分密度,E/R为复合数,k0为反应常数,V为反应器体积,ΔH为汽化潜热,Δt为模拟时间步长之间的时间跨度;
B.基于创建的状态空间模型对CSTR系统的连续微分方程进行有限差分离散化处理,得到如下模型:
yk=xk+vk
其中xk,yk分别表示输入变量和输出变量,w为过程噪声,v为测量噪声;
C.将线性化后的CSTR模型转换为如下形式的递归模型:
其中 表示回归向量,y(k)表示k时刻的输出数据,θ表示CSTR系统待估计参数向量,δ表示已知的噪声边界。
由于化工过程性能的降低主要表现为参数的变化,所以化工过程的故障诊断往往通过辨识未知的过程参数来搜寻过程故障的特定来源,因而第一步中获取的故障库由CSTR系统参数变化引起的故障组成。
第二步,根据CSTR系统模型确定k-1时刻的正多胞体,包括步骤D~E:
D.定义k时刻的可行参数集及界定所述可行参数集的平行超平面:
先定义可行参数集Θ(k):
根据可行参数集Θ(k),确定k对平行超平面界定,表示为:
E.定义正多胞体为:
其中diag(d)表示对角值等于d的对角矩阵,d表示参数估计的区间长度, 表示正多胞体中心, 作为参数估计值,ω表示无穷范数不大于1的矩阵, d∈R
第三步,确定k时刻的测量集合: (权利要求书中步骤F)。
第四步,检测k-1时刻的正多胞体和k时刻的测量集合交集是否为空集,若交集为空集,判定系统存在故障并跳转第五步,若交集不为空集,判定系统无故障,更新相关数据信息并跳转第十二步,其中判定正多胞体和k时刻的测量集合交集是否为空集的过程包括步骤G~I:
G.确定正多胞体的顶点Vm(k-1)(m=1,…2
在k-1时刻的正多胞体O(k-1)已知的条件下,设置由Θ(k-1)的约束子集组成的集合C(k-1),即 在k-1时刻已知,且满足 令v
其中Fj(k-1)为k-1时刻O(k-1)的面,v
v
H.建立顶点相对两条超平面H1(k)和H2(k)的位置变量:
I.将检测正多胞体与测量合集的交集是否为空集转换为检测正多胞体顶点是否在两条超平面H1(k)和H2(k)之间:
当存在Vm(k-1)使得Bm,1≥0或Bm,2≥0,判定k-1时刻的正多胞体O(k-1)和k时刻的测量集合S(k)的存在交集,即 此时系统无故障;
当对于任意的Vm(k-1)都使得Bm,1<0和Bm,2<0,判定k-1时刻的正多胞体O(k-1)和k时刻的测量集合S(k)的交集为空集,即 此时系统存在故障。
在求解线性规划方程的过程中,可以通过检测参数可行集是否为空判断故障是否发生,即判断正多胞体O(k-1)与测量集合的一致性,因而本发明中采用的故障检测准则为:
第五步,初始化正多胞体O(k)并记录故障信息,故障信息主要包含故障检测时刻k。由于检测到故障后,参数估计过程停止,为了进行故障识别,需要对故障状态中的参数进行估计,此时重新初始化系统估计参数,即重新初始化O(k),同时,记录故障检测时刻kd=k。
第六步,对第一步中获取的故障库进行层次聚类分析,包括步骤J~L:
J.定义类间平方距离:
其中G表示类,G中的s个样本用列向量xi(i=1,…,s)来表示,dij表示xi与xj的距离,DKL表示类GK与GL之间的距离,nK与nL分别表示类GK与GL中的样本个数;
K.构建类间平方聚类的递推公式:
L.执行聚类分析:
将p个样本各自作为一类,规定样本之间的距离和类与类之间的聚类参数,将距离最近的两类合并为一个新类,并计算新类与其他类之间的距离,重复进行合并计算过程,每进行一次减少一类,直至所有的样本合并为一类或达到设定条件。
其中类与类之间的聚类参数既适用步骤J中的类间平方距离计算公式,也适用步骤K中的类间平方聚类递推公式。
第七步,更新相关数据信息,更新操作包括步骤M~O:
M.更新v
情况一:如果 令:
其中标志max(min)表示对于j=1,…,n取最大值max运算符,当j=n+1,…,2n取最小值min运算符。Ci(k)=Ai(k),其中Ai(k)为绑定约束集合。
情况二:如果v
v
Cj(k)=Cj(k-1).
N.更新正多胞体:
O.更新集合C(k):
第八步,以第六步结果为先验知识逐层进行判别分析,循环第八步至各层的样本个数小于三个后,跳转第九步,其中逐层判别分析的方法为:
计算估计参数 与第一层两子类之间的距离D,当连续的L个数据长的参数估计值与该子类之间的距离都满足条件:D≤α·β(α=α-γΔα,γ的初始值为0,分析层数每增加1则γ的值加1),则该故障类型属于该子类,抛弃另一子类,以此类推对该保留子类中的下一层进行判别分析,直到被分析的子类中的样本个数小于三个为止。由于层次聚类方法是二叉树结构,每判别一层都会舍弃不满足判别条件的一部分,从而减少了计算时间复杂度,提高了故障诊断效率。
第九步:通过模型匹配识别故障类型,若在一定时间内匹配成功,则记录故障信息并跳转第十二步,若在一定时间内匹配失败,跳转第十步,其中模型匹配的方法为:
定义残差 当连续的Q个数据长度的参数估计值满足 恒成立时,判定故障识别过程完成,记录故障识别时刻为kI并用滤波器显示故障类型,其中,θ0为最后一层进行模型匹配的故障样本,ε为选择的阈值。
第十步,于样本邻域内进行模型匹配,若在仿真时长内匹配成功,则记录故障信息并跳转第十二步,若在仿真时长内匹配失败,则跳转第十一步,其中样本邻域模型匹配的方法为:
如果到N-TN(TN为选择的时间阈值)时刻还未匹配到故障类型,则考虑与当前匹配故障类型的相似度sim≥σ(σ为相似度阈值)的故障类型,同时进行模型匹配,直到实现故障类型的识别,记录故障识别时刻为kI并用滤波器显示故障类型。
所述相似度的计算公式为:
其中sim(x,y)为样本x与样本y之间的相似度,dmax为样本x与样本库中样本的距离的最大值,d(x,y)为样本x与样本y之间的距离。
故障信息的记录方法为:
记录检测到故障的时刻kd=k及故障识别时刻kI,并用滤波器显示故障类型。所述过程中,记录故障时刻即为kd赋值是在第五步中完成的,记录故障识别时刻kI并用滤波器显示故障类型是在第九或第十步中完成的。考虑到故障不会在短时间内再次发生,所以当检测到系统发生故障后,在完成所述记录步骤后直接跳转第十二步。
第十一步,判定系统出现新的故障类型,把所述故障类型添加到故障库中,并跳转第十二步,其中当新的故障类型添加完成后,若系统再次发生该故障类型,则需重新对故障库进行层次聚类分析。
若在仿真时长内都没匹配到故障类型,则系统发生了新的故障类型,编号并添加到故障库中。
第十二步,若已经检测到故障,跳转至第七步;若未检测到故障,则跳转至第四步,循环跳转直至k>N,N为数据长度。
因考虑到短时间内系统不会再次发生故障,故当检测到系统发生故障后,不需要再执行故障检测步骤,直接执行故障识别过程。
通过循环执行本方法,不中断地完成故障诊断过程。
以上描述是对本发明的解释,不是对发明的限定,本发明所限定的范围参见权利要求,在本发明的保护范围之内,可以作任何形式的修改。
运用本发明所提出的方法进行故障检测的一项实施例如下:
若CSTR系统由于参数变化可能发生25种故障类型,则故障库由该25种故障类型组成。依次执行第一至三步,于第四步检测k-1时刻的正多胞体和k时刻的测量集合交集是否为空集,若交集为空集,判定系统存在故障并跳转第五步,若交集不为空集,判定系统无故障,更新相关数据信息并跳转第十二步,于第五步初始化正多胞体O(k)并记录故障信息即故障检测时刻,于第六步对第一步中获取的故障库进行层次聚类分析,通过层析聚类分析得到如图3所示的故障库层次聚类分析结果,于第七步更新相关数据信息,于第八步以第六步结果为先验知识逐层进行判别分析,循环第八步至各层的样本个数小于三个后,跳转第九步,假设系统在运行过程中发生了标号为15的故障类型,则逐层进行判别分析直至第四层即所保留的故障类型的个数小于3个为止,分析过程如图4所示(虚线部分为在逐层判别分析过程中舍弃的故障类型)。
于第九步通过模型匹配识别故障类型,若在一定时间内匹配成功,则记录故障信息并跳转第十二步,若在一定时间内匹配失败,跳转第十步,其中模型匹配的方法为:定义残差 当连续的Q个数据长度的参数估计值满足 恒成立时,判定故障识别过程完成,记录故障识别时刻为kI并用滤波器显示故障类型,其中,θ0为最后一层进行模型匹配的故障样本,ε为选择的阈值。,如图4所示当完成第四层的判别分析时,保留的故障类型只有故障类型15和16,进入模型匹配步骤,此时θ0表示故障类型15和16,滤波器显示故障类型为15号故障类型。
第十步中于样本邻域内进行模型匹配,若在仿真时长内匹配成功,则记录故障信息并跳转第十二步,若在仿真时长内匹配失败,则跳转第十一步,其中样本邻域模型匹配的方法为:如果到N-TN(TN为选择的时间阈值)时刻还未匹配到故障类型,则考虑与当前匹配故障类型的相似度sim≥σ(σ为相似度阈值)的故障类型,同时进行模型匹配,直到实现故障类型的识别,记录故障识别时刻为kI并用滤波器显示故障类型,当N-TN时刻还没匹配到故障类型15,则根据相似度考虑故障类型15和16邻域内的故障类型进行模型匹配。
于第十一步判定系统出现新的故障类型,把所述故障类型添加到故障库中,并跳转第十二步,其中当新的故障类型添加完成后,若系统再次发生该故障类型,则需重新对故障库进行层次聚类分析,若在仿真时长内都没匹配到故障类型,则系统发生了新的故障类型,并编号为26,添加到故障库中。
第十二步中若已经检测到故障,跳转至第七步;若未检测到故障,则跳转至第四步,循环跳转直至k>N,N为数据长度,因考虑到短时间内系统不会再次发生故障,故当检测到系统发生故障后,不需要再执行故障检测步骤,直接执行故障识别过程。
通过循环执行本方法,不中断地完成故障诊断过程。
以上描述是对本发明的解释,不是对发明的限定,本发明所限定的范围参见权利要求,在本发明的保护范围之内,可以作任何形式的修改。
一种基于正多胞体滤波的工业系统分层故障诊断方法专利购买费用说明
Q:办理专利转让的流程及所需资料
A:专利权人变更需要办理著录项目变更手续,有代理机构的,变更手续应当由代理机构办理。
1:专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2:按规定缴纳著录项目变更手续费。
3:同时提交相关证明文件原件。
4:专利权转移的,变更后的专利权人委托新专利代理机构的,应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A:(1)直接到国家知识产权局受理大厅收费窗口缴纳,(2)通过代办处缴纳,(3)通过邮局或者银行汇款,更多缴纳方式
Q:专利转让变更,多久能出结果
A:著录项目变更请求书递交后,一般1-2个月左右就会收到通知,国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0