一种双容水箱突变故障潜在信息聚类识别方法
【专利摘要】本发明提供了一种双容水箱突变故障潜在信息聚类识别方法。该方法主要针对在工业生产过程中典型装置——双容水箱。其具有工业参数(进水量、出水量等)变量较多，故障不确定和机理复杂性等难题。为此本发明提出了一种突变故障潜在信息聚类识别方法。该方法根据突变故障情况下系统动态特性变化，重置kalman滤波的方差以快速和准确地跟踪系统结构参数的突变，提高了潜在信息聚类在线识别的鲁棒性和自适应能力，保障了双容水箱突变故障识别的正确性及有效性。
【专利说明】一种双容水箱突变故障潜在信息聚类识别方法
【技术领域】
[0001]本发明涉及智能检测领域，特别涉及双容水箱系统故障诊断，是一种双容水箱突变故障潜在信息聚类识别方法。
【背景技术】
[0002]随着现代工业设备的日益大型化、复杂化、网络化和自动化，测量点成倍增多，数据的高速传输，使得数据的在线采集量明显增大。如何在海量的在线数据情况下，快速准确地判断工业设备工况和识别故障模式，成为了当前工业工程监测的热点问题。
[0003]双容水箱是较为典型的大惯性/大滞后对象，常常作为故障诊断研究领域的一个基准系统，工业上许多被控对象的整体或局部都可以非常容易的抽象成双容水箱的数据模型，具有很好的代表性，例如:工业锅炉、液位控制系统等。在现有的操作技术中，人们大多通过液位计来获得容器内液面的高度，在工业生产过程中，工作人员更需时刻在现场进行观测、巡检，也有部分采用自动控制系统，以保证设备的正常运行。在实际操作过程中，尤其就双容水箱结构而言，其工业参数(进水流量、出水流量等)变量较多，一旦发生故障很难实现在线故障诊断和识别，因此本发明针对双容水箱，提出了一种双容水箱突变故障潜在信息聚类识别方法，通过该方法实现了突变故障在线诊断。到目前为止尚未出现基于kalman滤波、潜在信息聚类和利用双容水箱系统三者相结合进行突变故障诊断的实现方案。
【发明内容】
[0004]本发明提出了一种双容水箱突变故障潜在信息聚类识别方法。该方法主要针对在工业生产过程中典型装置——双容水箱。其具有工业参数(进水量、出水量等)变量较多，故障不确定和机理复杂性等难题。为此本专利提出了一种突变故障潜在信息聚类识别方法。该方法根据突变故障情况下系统动态特性变化，重置kalman滤波的方差以快速和准确地跟踪系统结构参数的突变，提高了潜在信息聚类在线识别的鲁棒性和自适应能力，保障了双容水箱突变故障识别的正确性及有效性。
[0005]本发明提出了一种双容水箱突变故障潜在信息聚类识别方法。包括以下步骤:
[0006](I)在获得双容水箱控制系统传递函数过程中，一般选取双容水箱进水量为输入，液面高度为输出。通过输入输出变化进行故障识别，本发明将双容水箱考虑为二阶模型。
[0007](2)为了适应kalman滤波，选取结构特征参数为状态，通过离散化构建状态空间方程。
[0008](3)传统kalman滤波只能对系统参数缓变情形进行有效的辨识和跟踪，kalman滤波在收敛后，方差将会限定为很小的值。当出现系统突变故障情形下，结构特征参数突变，就导致kalman滤波的不稳定而发散，且不能快速而有效的跟踪。针对参数突变的情况，对传统kalman滤波进行改进，以便于突变故障的在线识别，为便于工程实现采用方差重置的kalman滤波。检测双容水箱液位高度变化，若相邻采样时刻液位高度变化超出设定的阈值，则对方差P进行重置，提高参数估计的鲁棒性。
[0009](4)将滤波后得到的状态(特征参数)构造特征向量空间。为了便于聚类分析，计算状态(特征参数)点相应的潜在信息值(其详细的计算过程见具体实施过程)。
[0010](5)若特征参数的潜在信息值大于所有已有焦点的潜在信息值，则此特征参数点为特征向量空间的活动焦点。只要小于任一焦点的潜在信息值，则此特征参数点不能成为活动焦点。
[0011]当此特征参数点已判断为活动焦点后,再通过特征参数点与所有焦点的欧式距离判断是否为新焦点。若距离值都大于设定的阈值，则为新焦点。
[0012](6)如果是新焦点，要产生并储存一个新焦点，并建立对应的故障类型，储存到数据库中。如果不是新焦点，则判断双容水箱系统是否正常。若正常，则重新开始一个新的诊断周期，不正常，则用当前特征参数点代替原活动焦点，并从数据库中找出所对应的故障类型(其详细的诊断过程见具体实施过程)。从而通过活动焦点来辨识系统的运行状态变化过程，以实现在线监测和故障诊断。
[0013]本发明提出了一种双容水箱突变故障潜在信息聚类识别方法。其优点是:
[0014]1、本发明方法突破了传统kalman滤波只能对系统参数缓变情形进行有效的辨识和跟踪的限制。在出现系统突变故障情形下，结构特征参数突变，方差重置的kalman滤波能够对突变结构参数进行有效的辨识和快速的跟踪，提高参数估计的鲁棒性。
[0015]2、本发明方法具有双容水箱系统突变故障在线诊断和识别功能。经过方差重置的kalman滤波和潜在信息聚类处理后，可以迅速，准确的将故障类型通过界面反馈给用户。
[0016]3、本发明方法有利于保证双容水箱突变故障的在线识别能力。将潜在信息聚类应用于故障诊断，提高了故障模式在线识别的自适应能力。并且此方法使用迭代计算方式，降低了模式识别的在线计算量，保证了其故障的在线识别能力。
【专利附图】
【附图说明】
[0017]图1为本发明的双容水箱突变故障潜在信息聚类识别方法的流程图。
[0018]图2为本发明的重置kalman滤波参数估计的流程图
【具体实施方式】
[0019]下面将结合附图，详细阐述本发明的实施方式:
[0020]图1展示了本发明对双容水箱突变故障的识别流程，实施方式如下描述:
[0021](I)双容水箱系统建模。得到双容水箱控制系统传递函数(I)，选取双容水箱进水量为输入，液面高度为输出。通过输入输出变化进行故障识别，本发明将双容水箱考虑为二阶模型。
[0022]
【权利要求】
1.一种双容水箱突变故障潜在信息聚类识别方法，其特征在于，包含以下关键步骤: 步骤一:双容水箱系统建模； 步骤二:将双容水箱结构参数考虑为状态，构建状态空间方程； 步骤三:利用卡尔曼滤波进行突变参数估计，跟踪双容水箱结构特征参数变化，获取特征参数； 步骤四:通过特征参数的潜在信息计算进行聚类分析； 步骤五:判断是否为活动焦点(正常工况特征或已有故障特征)，并判断是否为新焦点(新故障特征)； 步骤六:故障诊断。
2.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于:在步骤一中，在获得双容水箱控制系统传递函数过程中，一般选取双容水箱进水量为输入，液面高度为输出；通过输入输出变化进行故障识别，本发明将双容水箱考虑为二阶模型。
3.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于:在步骤二中，为了适应kalman滤波，选取结构特征参数为状态，通过离散化构建状态空间方程。
4.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于:在步骤三中，传统kalman滤波只能对系统参数缓变情形进行有效的辨识和跟踪，kalman滤波在收敛后，方差将会限定为很小的值；当出现系统突变故障情形下，结构特征参数突变，从而导致kalman滤波的不稳定而发散，且不能快速而有效的跟踪。针对参数突变的情况，对传统kalman滤波进行改进，以便于突变故障的在线识别，为便于工程实现采用方差重置的kalman滤波；检测双容水箱液位高度变化，若相邻采样时刻液位高度变化超出设定的阈值，对方差P进行重置，提高参数估计的鲁棒性。
5.根据权利要求1所述的，一种双容水箱突变故障潜在信息聚类识别方法，其特征在于:在步骤四中，将滤波后得到的状态(特征参数)构造特征向量空间，为了便于聚类分析，计算状态(特征参数)点相应的潜在信息值(其详细的计算过程见说明书)。
6.根据权利要求1所述的，一种双容水箱突变潜在信息聚类故障识别方法，其特征在于:在步骤五中，若特征参数的潜在信息值大于所有已有焦点的潜在信息值，则此特征参数点为特征向量空间的活动焦点，只要小于任一焦点的潜在信息值，则此特征参数点不能成为活动焦点；当此特征参数点已判断为活动焦点后，再通过特征参数点与所有焦点的欧式距离判断是否为新焦点，若距离值都大于设定的阈值，则为新焦点。
7.根据权利要求1所述的，一种双容水箱突变潜在信息聚类故障识别方法，其特征在于:在步骤六中，如果是新焦点，要产生并储存一个新焦点，并建立对应的故障类型，储存到数据库中，通过显示界面通知用户；如果不是新焦点，则判断双容水箱系统是否正常，若正常，则重新开始一个新的诊断周期，不正常，则用当前特征参数点代替原活动焦点，并从数据库中找出所对应的故障类型(其详细的诊断过程见说明书)，通过界面反馈给用户，从而通过活动焦点来辨识系统的运行状态变化过程，以实现在线监测和故障诊断。
【文档编号】G06F19/00GK103942451SQ201410188305
【公开日】2014年7月23日 申请日期:2014年5月6日 优先权日:2014年5月6日
【发明者】柴毅, 黄金龙, 周展, 冯莉, 王诗年, 陆震宇 申请人:重庆大学