专利名称：：化工生产非正常子域故障分离的技术方法
技术领域：
：本发明涉及化工生产技术过程的监视与故障诊断，特别是涉及一种基于过程的控制系统的现场采样数据进行过程的故障检测与分离技术方法。
背景技术：
：故障分离是故障诊断技术的关键，在检测出系统故障后，如何处理并使系统恢复到正常的工作状态，是故障诊断成功与否的重要因素。基于模型的故障分离通常能给出故障的根本原因，指出发生故障的位置、大小及变化趋势。而基于统计分析的故障分离技术只能给出故障的范围、可能的变量或与此变量相关的设备，而不能确定明确的故障原因。这为故障诊断带来许多问题，在检测出故障后不能分离出故障，检测将失去意义。因此，近年对基于统计方法的故障分离出现了许多研究成果，但真正解决基于统计模型进行故障分离的问题还有待于进一步研究。在此提出的非正常子域进行故障分离的技术将具有一定的理论与应用价值的。
发明内容本发明的目的在于提供一种化工生产技术过程的监视与故障诊断技术方法，是一种新的故障分离方法，应用主元分析技术、信息相关性分析、统计控制限的改进、非正常子域对过程故障进行分离，是对基于统计分析故障诊断技术的提升和补充，对过程故障诊断、应用具有重要的实际意义。本发明的目的是通过以下技术方案实现的化工生产非正常子域故障分离的技术方法，其非正常子域故障分离技术要求按照主元分析进行故障诊断来实现的；要确立相关系数的阈值，同时分别技术各变量与主元阵的相关系数，以此进行数据的分类；要求主元相关数据包含更多的数据信息，并确定此域的新的统计控制限来区分出正常子域和非正常子域。所述的化工生产非正常子域故障分离的技术方法，其按照数据的相关性进行数据的分类，使重要信息和故障信息更多地包含在与主元相关的数据阵中。所述的化工生产非正常子域故障分离的技术方法，其采用正常子域和非正常子域进行故障的分离。本发明的优点与效果是1.本发明对过程数据按其与主元阵的相关性进行分类，能更好地反映出故障信息的特征与表象。2.本发明建立新的子域控制限进行故障检测更有针对性，并在统计分析的基础上进行故障域的划分，提高了统计分析进行故障分离的相对准确性与可靠性。3.本发明技术先进，有理论基础，实际应用与可操作性强。具体实施例方式本发明首先将所有的过程变量进行信息分析，可使信息更加丰富、信息间的相关性更强，对于同一故障检测出的表征更加明显，同时也使相关信息特别是与主元相关的故障信息更加集中。因此进行过程变量与主元的相关性分析可将变量进行分类，主元相关变量(principalrelatedvariable-PRV)依次为PRV0，PR、，……，PRVn。进行分类后的变量信息为所有包含故障的信息域，它们间信息既相关又重叠，因此必须将整体变量信息域进行分解。本发明将其划分为非正常子域，其他为正常子域，使故障可以在一定范围内分离。非正常子域的建立是在主元分析的基础上实现的，通过对过程变量的潜隐映射，可划分主元子空间(PrincipalComponentsub-Space—PCS)和残差子空间(Residualsub-Space—RS)，主元子空间包含过程的主要信息，而残差子空间包含过程的全部信息与主要信息的差。根据过程信息与主元子空间的相关关系，可以按相关性将过程信息投影到二空间，一是与主元相关的变量子空间为PRV(PrincipalRelatedVariable),二是与主元弱相关的变量子空间OV(OtherVariable)。通过对变量空间的划分可以在子空间内进行主元分解，并建立主元子空间和残差子空间的统计控制限3(")。将PRV和OV中的SPE统计控制指标投影于主元子空间和残差子空间中进行故障的检测，检测结果使得一部分过程信息处于正常过程子域NOR，一部分处于非正常过程子域ANSR。过程不断进行循环迭代，可以得到不断收敛的非正常子域ANSRpANSR2，......，ANSRn和不断扩展的正常子域OV^OV2，......，OVn。这种迭代结果是将故障信息映射到非正常子域中，实现故障的分离。如下表<table>tableseeoriginaldocumentpage5</column></row><table>假设过程变量矩阵为X-[x"x"…，xJ，则X的主元分解X=TPT+E=》p「+ET为主元得分矩阵。如果有m个变量，n个采样值，m个变量可根据与T的相关性分解为两部分。/t、C0V(X;,/T)/p、x,'，ij=argmax^j\,"y/(x,.)xvar(/T萨fP"'，T)为变量与主元阵的相关系数。若门槛值确定后，原始数据变量可分解为与主元相关的变量子空间为PRV，其它与主元弱相关的变量子空间OV。分别将PRV和OV投影到残差空间构成两新的统计指标SPEPVR和SPEOV。基于新的统计指标SPEPVR和SPEOV，应用改进的PCA可进行故障诊断。两新的统计指标分别在PVR和OV两子空间中获得，若统计指标在SPEPVR和SPEOV的统计域^"中，则认为PRV或OV处于的变量子空间为正常子域(NOR);否则为非正常子域(ANSR)。非正常子域为ANSR，ANSR中的PRV和OV可在各自的ANSR中进行故障检测。5，和d。r是PRV和OV的控制限。如果PRV和OV中SPE分别投影于各自的模型中，则有两种情况产生。一是PRV中的SPE在控审UP艮内，而OV中的SPE在控制限夕卜，表明故障变量在OV中；另一种是PRV中的SPE在控制限外，而OV中的SPE在限内，表明故障变量在PRV中。若设首次过程变量投影的正常子域和非正常子域分别为ANSRo和OV。且依次投影的次级子域则为ANS&和OVi，ANSRjBOV2，......，ANSRn和OVn。权利要求1.化工生产非正常子域故障分离的技术方法，其特征在于非正常子域故障分离技术要求按照主元分析进行故障诊断来实现的；要确立相关系数的阈值，同时分别技术各变量与主元阵的相关系数，以此进行数据的分类；要求主元相关数据包含更多的数据信息，并确定此域的新的统计控制限来区分出正常子域和非正常子域。2.根据权利要求1所述的化工生产非正常子域故障分离的技术方法，其特征在于按照数据的相关性进行数据的分类，使重要信息和故障信息更多地包含在与主元相关的数据阵中。3.根据权利要求1所述的化工生产非正常子域故障分离的技术方法，其特征在于采用正常子域和非正常子域进行故障的分离。全文摘要化工生产非正常子域故障分离的技术方法，是一种新的故障分离方法，是应用统计分析理论实现的。将过程采集的数据信息进行主元提取，根据变量与主元的相关性进行数据分类，一类为与主元相关信息，一类是与主元弱相关信息，按照两类数据分别建立统计过程控制限进行故障的诊断，确定正常数据的域为正常子域，不正常的数据域为非正常子域。在非正常子域中叠代进行上述过程，直至收敛到故障被分离为止。本发明对过程数据按其与主元阵的相关性进行分类，能更好地反映出故障信息的特征与表象。提高了统计分析进行故障分离的相对准确性与可靠性。本发明技术先进，有理论基础，实际应用与可操作性强。文档编号G05B23/02GK101477372SQ20091001001公开日2009年7月8日申请日期2009年1月7日优先权日2009年1月7日发明者唐晓初,元李,郭小平,郭金玉申请人:沈阳化工学院