对间歇控制系统进行分段故障监视的方法

摘要

对间歇控制系统进行分段故障监视的方法，涉及一种故障监视方法，首先，将采集到的多批次间歇过程数据按变量展开进行标准化，对每一采样时刻数据矩阵进行主元分析，其次，模糊C均值聚类是结合模糊集理论和k-均值聚类而提出来的适合进行软划分的模糊聚类分析方法；再次，分段完成后，在每一个子阶段建立基于变量展开的具有时变主元协方差的改进MPCA模型，然后，在线监视时首先判断其属于那一阶段，计算判断其是否超出故障监视控制限，如果超出则表明故障发生，所进行分段故障监视结束。本发明使得过程多阶段划分更加准确，减少了监视中的误报、漏报率，实际应用与可操作性强。

主权项

对间歇控制系统进行分段故障监视的方法，其特征在于，所述方法包括以下过程：首先，将采集到的多批次间歇过程数据按变量展开进行标准化，对每一采样时刻数据矩阵进行主元分析，获得其对应的CPV(1)，在分段过程中，如果数据间的动态关系一直保持不变，CPV（1）的值将基本保持恒定；其次，模糊C均值聚类是结合模糊集理论和k‑均值聚类而提出来的适合进行软划分的模糊聚类分析方法；将反映数据动态特性转变的CPV(1)指标作为模糊C均值聚类的输入，根据模糊最大隶属度原则辨识相邻阶段实现间歇过程多阶段的软划分；再次，分段完成后，在每一个子阶段建立基于变量展开的具有时变主元协方差的改进MPCA模型，确定正常情况下的和统计量的故障监视控制限，然后，在线监视时首先判断其属于哪一阶段，计算其对应的的和监视统计量，判断其是否超出故障监视控制限，如果超出则表明故障发生，所进行分段故障监视结束；所述CPV(1)为对应的动态特性转变的指标，CPV(1)捕获过程中变化的最大信息，其值的大小，反应数据变量之间相关性信息和动态关系；所述动态特性转变的指标CPV(1)为多批次间歇过程数据，按变量展开后的每一采样时刻的数据矩阵进行主元分析，得到代表数据动态特性转变的指标CPV(1)；所述数据动态特性转变的指标CPV(1)对每一采样时刻进行模糊C均值聚类，依据最大模糊隶属度原则辨识相邻阶段实现多阶段软划分。