一种多变量工业过程故障识别方法

摘要

本发明涉及一种多变量工业过程故障识别方法，含有以下步骤：(一)收集历史数据库的正常操作工况数据集X和K类已知的故障模式数据集，计算正常操作工况数据集的均值mean(X)和标准差std(X)，对已知的故障模式数据集进行标准化处理获得新故障模式数据集。(二)在各个故障模式数据集下构造数据窗，计算六种统计量变量。(三)检测过程故障，收集实时故障数据S，进行标准化处理。(四)在步骤(三)的基础上执行统计量主元相异度分析，计算待识别故障数据集和已知故障模式数据集之间的故障识别指数FRI。(五)对故障识别指数FRI进行排序，获得故障识别结果。本发明基于统计量主元相异度分析，在相异度分析中，提取主元信息，摒弃次要数据信息，抑制噪声的影响，能够充分挖掘数据高阶统计信息。

主权项

一种多变量工业过程故障识别方法，其特征在于：含有以下步骤：(一)收集历史数据库的正常操作工况数据集X和K类已知的故障模式数据集{H_o1,H_o2,...,H_oK}，计算正常操作工况数据集的均值mean(X)和标准差std(X)，对已知的故障模式数据集{H_o1,H_o2,...,H_oK}进行标准化处理获得新故障模式数据集{H₁,H₂,...,H_K}；(二)在各个故障模式数据集下构造数据窗，计算低阶统计量的变量均值ε_i(t)、低阶统计量的方差v_i(t)、高阶统计量的3阶中心距高阶统计量的4阶中心距高阶统计量的偏斜度γ_i(t)和高阶统计量的峰度κ_i(t)六种统计量变量；(三)检测过程故障，收集实时故障数据S，进行标准化处理；(四)在步骤(三)的基础上执行统计量主元相异度分析，计算待识别故障数据集和已知故障模式数据集之间的故障识别指数FRI；(五)对故障识别指数FRI进行排序，获得故障识别结果。