一种基于正则化架构的工业过程故障分离方法

摘要

本发明公开一种基于正则化架构的工业过程故障分离方法，属于工业过程监测技术领域。该方法包括：采集工业过程样本数据并进行滤波处理后得到包含标记样本的可用样本数据集；建立具有局部正则项和全局正则项的工业过程故障分离目标函数；利用含有标记样本的可用样本数据集，求解工业过程故障分离目标函数的最优解；根据最优解，得到预测类标签矩阵，从而确定过程的故障信息；该方法利用局部正则项可以使最优解性质理想的特点，利用全局检测正则项来加以修正局部正则项可能导致故障分离精度不高的问题。实验表明该方法不仅是可行的，并且其故障分离精度很高，且可以挖掘标记样本数据的潜在信息，提高故障分离模型的泛化能力、综合性能和精确性。

主权项

一种基于正则化架构的工业过程故障分离方法，其特征在于：包括以下步骤：步骤1：采集工业过程样本数据；步骤2：对采集的样本数据进行滤波处理，滤除奇异样本数据，保留可用样本数据；所述可用样本数据包括标记样本数据和未标记样本数据；所述标记样本数据指的是通过有经验的专家或者工人对所采集的数据进行特征区分，分别标记为正常样本数据、故障样本数据及其对应的故障状态类别，使得这些样本数据具有类标签；所述未标记数据指的是直接采集的未经过任何标记处理而不具有类标签的数据；可用样本数据集表示为：T＝{(x₁,y₁),...(x_l,y_l)}∪{x_l+1,...x_n}；x_j∈R^d,j＝1,…,n   (1)其中d为变量个数；n为样本个数；是标记数据，是未标记数据；y_i∈{1,2,...,c},i＝1,...,l，其中c是故障状态类别，l为标记样本个数；步骤3：建立具有局部正则项和全局正则项的工业过程故障分离目标函数；$J\left(F\right)=\underset{F\in R^{n\times c}}{min}tr\left({\left(F-Y\right)}^{T}D\right(F-Y)+\frac{\gamma }{n^2}{F}^{T}GF+F^{T}MF)---\left(2\right)$其中J(F)为工业过程故障分离目标函数；F为预测类标签矩阵；tr是矩阵的迹符号；D是一个对角矩阵，其中对角元素D_ii＝D_l＞0,i＝1,...,l,D_ii＝D_u≥0,i＝l+1,...,n；(F‑Y)^TD(F‑Y)为经验损失，用来度量预测类标签和初始类标签的差值；γ是调节参数；为全局正则项，G为全局正则矩阵；F^TMF为局部正则项，M是局部正则矩阵；Y∈R^n×c为初始类标签矩阵，Y的元素定义如下：步骤4：利用可用样本数据集，求解式(2)所示的工业过程故障分离目标函数的最优解F^*；步骤5：根据最优解F^*，通过式(4)可以得到预测类标签矩阵，从而可以确定过程的故障信息；$f_i=\underset{1\le j\le c}{\arg max}{F}_{ij}^{*}---\left(4\right)$其中f_i为样本点x_i的预测类标签。