定为造成过程和设备异常的原因变量。
[0015] 在步骤1)中，对连续多个采样点的过程变量进行平滑处理，形成=维建模数据矩 阵，所述的平滑处理为对某一过程变量的连续6个采样数据做算数平均获得一个有效数 据，W克服过程随机扰动的影响。
[0016] 本发明中，=维数据的属性展开和预处理，通过过程运行特性分析，某一产品牌号 同一生产批次内只存在一个稳定工况，即同一生产批次内不具有多个稳定工作点，说明变 量间的相互关系具有相同的过程特征，同时由于操作时间不确定造成不同批次间的采样数 据不等长。基于W上两方面分析采用按照属性展开的方式得到二维数据矩阵，并对二维数 据进行均值中屯、化和方差归一化处理，获得某一产品牌号监测模型的建模数据，因此，步骤 2)中展开后的二维矩阵为X(IKiXJ)。
[0017] 其中，步骤2)中的预处理包括依次进行的减均值、除标准差处理。
[0018] 在步骤3)中，将预处理后的二维矩阵的同一行元素视为建模数据集X= [Xi，X2,… ，Xik,…，XiK]，对X进行PCA分解，PCA分解的计算公式如下；
[0019]
【主权项】
1. 一种卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征在于，包括步 骤： 1) 在一个生产批次中周期性对烟片预处理段中的松散回潮以及加料设备的过程变量 进行采样，获得采样矩阵X(KXJ)，K为采样点个数，J为监测变量个数，重复I个生产批次 后，获得相应的三维建模数据矩阵XdXJXK i) ,Ki为第i个生产批次的采样点个数； 2) 将所述的三维建模数据矩阵X(IXJXKi)按照属性展开成二维矩阵，并对二维矩阵 内的各元素进行预处理，得到预处理后的二维矩阵； 3) 对预处理后的二维矩阵进行PCA分解，建立针对当前产品的PCA监测模型； 4) 计算各PCA监测模型的T2和SPE统计量及对应的控制限； 5) 实时采集松散回潮以及加料设备的过程数据xMW(lXJ)，根据当前产品类型调用相 应的PCA监测模型，计算数据x nOT (I X J)对应的T2统计量和SPE统计量； 6) 当数据Xmw(IXJ)对应的T2统计量和SPE统计量超过对应的控制限时，计算过程变 量对T 2统计量和SPE统计量的贡献率，确定导致异常工况的主要过程变量。
2. 如权利要求1所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，在步骤1)中，对连续多个采样点的过程变量进行平滑处理，形成所述的三维建模数 据矩阵。
3. 如权利要求2所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，所述的平滑处理为对某一过程变量的连续多次采样数据做算数平均获得一个有效数 据。
4. 如权利要求1所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，步骤2)中展开后的二维矩阵为X(IK iXJ)。
5. 如权利要求1或4所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其 特征在于，步骤2)中的预处理包括依次进行的减均值、除标准差处理。
6. 如权利要求1所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，在步骤3)中，将预处理后的二维矩阵的同一行元素视为建模数据集X= [Xl，X2，… ，xik,…，xIK]，对X进行PCA分解，PCA分解的计算公式如下：
其中，A为主元个数，a表示不同的PCA分解方向，1\表示保留A个主元后的（IKXA) 维得分矩阵，？&表示保留A个主元后的（JXA)维负载矩阵，E为残差矩阵。
7. 如权利要求1或6所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其 特征在于，所述的步骤4)中，T2统计量的计算公式为： ik= 1，2,…，IK 其中tik= X ikPA表示（IX J)维的主元得分向量，对角矩阵S = diag( λ …，λΑ)是由 建模数据集X的协方差矩阵Σ XtX的前A个特征值所构成； T2统计量的控制限利用F分布采用下式计算：
其中A为保留的主元个数，N为样本数，α为置信度；Fa (A, N-A)是对应于置信度为α， 自由度为A，N-A条件下的F分布临界值； SPE统计量的计算公式为：
其
表示重构得到的（IX J)维估计向量；eik表示X ik与重构的偏 差向量； SPR统i+量的棹制
限刹用X 2分布梁用下式计算： 其中g = v/2n、h = 2n2/v ;n、V分别为SPE统计量的均值和方差。
8. 如权利要求7所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，对步骤5)中实时采集的过程数据，采用步骤2)中相同产品的预处理方式，进行新采 样数据的标准化预处理。
9. 如权利要求8所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特征 在于，预处理后的实时过程数据Xmw(IXJ)对应的T 2统计量计算公式如下：
其中Pa表示对应产品PCA监测模型的（JXA)维负载矩阵，S = diag( λ i，…，λΑ)表 示对应产品PCA监测模型前A个特征值所构成的（AXA)维对角矩阵； 预处理后的实时过程数据Xnew(IXJ)对应的SPE统计量计算公式如下：
其中表示重构得到的（ixJ)维估计向量，en?表示χ 与重构的偏差向量。
10. 如权利要求9所述的卷烟制丝过程烟片预处理段在线监测和故障诊断方法，其特 征在于，当统计量的超出正常控制限时，第a个主成分〖_， 3对的贡献率计算如下：
其中λ a表示对应产品PCA监测模型的第a个特征值； 过程变量xik，# t n"，a的贡献率计算如下：
其中Pla表示对应产品PCA监测模型的负载变量； 当SPEnew统计量的超出正常控制限时，过程变量Xilu对SPEnew的贡献率计算如下：
其中sign(xiAv. - ):表示残差的正负信息。
【专利摘要】本发明公开了一种卷烟制丝过程烟片预处理段在线监测和故障诊断方法，针对烟片预处理段TB-L松散回潮和KAS一次加料等关键设备，由于多批次、慢时变、操作时间不确定及产品多样性的影响而导致无法准确监测和诊断故障的问题，首先，通过过程特性分析，将具有批次、时间和属性三维特点的运行数据按照属性方向展开，克服不同批次数据不等长问题，然后，基于多模型结构采用主元分析方法(PCA)分别建立每种叶片产品牌号的监测模型，离线计算不同牌号监测模型的T2、SPE统计量及其控制限，其次，在线采集烟片预处理段的过程运行数据，根据产品牌号调用对应的监测模型在线计算T2、SPE统计量，最后，任一指标超过正常操作区域的控制限，采用贡献图方法进行故障诊断。
【IPC分类】G05B23-02
【公开号】CN104865951
【申请号】CN201510121732
【发明人】王伟, 楼卫东, 张利宏, 熊月宏, 李钰靓, 李汉莹, 赵春晖
【申请人】浙江中烟工业有限责任公司
【公开日】2015年8月26日
【申请日】2015年3月19日