一种基于融合dkpca-fda的聚合釜故障诊断方法
【技术领域】
[0001] 本发明涉及一种聚合釜故障诊断方法，特别是涉及一种融合DKPCA-FDA的聚合釜 聚合过程的故障诊断方法。
【背景技术】
[0002] 聚氯乙烯树脂（PVC)是重要的有机合成材料，又是具有多种用途的化工产品，其 产品具有良好的物理性能和化学性能，广泛应用于工业、建筑、农业、电力、公用事业等领 域。PVC树脂作为一种化工产品，生产过程中故障产生机理复杂，生产过程存在严重的动态 性和非线性，迫切需要提高系统生产的可靠性和安全性，以避免系统产生故障，导致经济损 失甚至是大型的事故。
【发明内容】
[0003] 本发明的目的在于提供一种针对聚合釜聚合过程的智能故障诊断方法，该方法采 用DKPCA与FDA相结合的方法来实现聚合釜的故障诊断，首先通过核主元分析和动态核主 元分析算法分别对PVC聚合过程进行故障诊断，然后采用FDA方法对DKPCA检测出的故障 数据进行进一步分类，以确保迅速的找出故障原因，为做出故障对策提供理论依据。
[0004] 本发明的目的是通过以下技术方案实现的： 一种聚合釜的故障诊断方法，为一种融合DKPCA-FDA的聚合釜聚合过程的故障诊断方 法，所诉方法包括以下步骤： 步骤一：采集数据，采集过程中相关变量的数据，对于每个故障，产生两组数据，即训练 数据和实时工况数据。训练数据用于建立控制限，实时工况数据用于在线监测；并对数据进 行标准化处理； 步骤二：构造增广矩阵，求出正常数据下的动态核主元以及在线采集的数据的动态核 主元； 步骤三：计算出正常数据下的霍特林HotellingT2和平方预测误差SPE统计量的控制 限； 步骤四：在线计算数据的霍特林Hotelling T2和SPE，并与正常状态下的控制限比较， 得出故障诊断结果； 步骤五：用FDA方法对DKPCA检测出的故障数据进行进一步分类，以确保迅速的找出故 障原因。
[0005] 本发明的优点与效果是： 1.本文采用一种复合的方法一动态核主元分析（DKPCA)，利用其非线性和动态性，对 其进行研究，提高了传统主元分析的能力。
[0006] 2.采用FDA方法对DKPCA检测出的故障数据进行进一步分类，快速找出了故障的 原因，及时为故障对策提供理论依据。
[0007] 3.两种方法的结合更提高了聚合釜故障诊断的准确性和效率。
【具体实施方式】
[0008] 下面结合实施例对本发明进行详细说明。
[0009] -、首先构造增广矩阵，通过用前面的个观测对每个观测变量进行扩充，构建含有 前个时刻观测值的增广矩阵，增广矩阵如下：
二、通过核主元分析求出正常数据下的动态核主元以及在线所采集的数据的动态核主 元，其中，核主元分析计算主元的描述如下： 通过非线性映射Φ把输入空间映射到特征空间P:上。 ，，在特征空间_上，计算协方差矩阵
通过确定修:的特征向量，就能够获得在空间妒中的主元，的特征向量与输入空间 的PCA直接相关。
其中!代表泼和議的点积，因此可以推断，在▲# 〇的条件妒的所有解都可以由 Λ：: X…，濟X )表示。因此漏兵_麵:等价于：
[0010] 因此，结合上式，可以得出：
因此，等式（5)可以化简为：
在应用KPCA之前，首先要先对高维空间进行均值中心化。可以通过用以下式子代替核 矩阵Γ来实现。
[0011] 因此，向量嫌的主元I:能够通过把纖_映射到中的特征向量^上，其中
其中引入
：这个核函数，这里选择径向基核函数为
[0013] 三、通过主元分析求取控制限： 步骤1 :计算平方预测误差SPE统计量，即G统计量：
步骤2 :计算统计量指标的控制限：
水平为丨溪时的临界值，^为原始数据X的协方差矩阵的特征值。
[0014] 步骤3 :计算霍特林Hotelling T2统计量：
步骤4 :计算霍特林HotellingT2统计量指标的控制限：
其中誠是显著性水平，是数据采样次数，?为变量个数。々为数据阵的主元个数，
!!是对应检验水平tz，自由度为条件下的分布临界值。
[0015] 四、通过比较，当统计量在控制限范围内，则系统处在无故障状态；如果统计量超 出了控制限，则说明系统中存在着某种故障；然后通过Fisher判别方法，用FDA对DKPCA检 测出的故障数据进行进一步分类，来迅速的找出发生故障原因。
【主权项】
1. 一种基于融合DKPCA-FDA的聚合釜故障诊断方法，其特征在于，所诉方法包括以下 步骤： 步骤一：采集数据，采集过程中相关变量的数据，对于每个故障，产生两组数据，即训练 数据和实时工况数据；训练数据用于建立控制限，实时工况数据用于在线监测；并对数据 进行标准化处理； 步骤二：构造增广矩阵，求出正常数据下的动态核主元以及在线所采集的数据的动态 核主元； 步骤三：计算出正常数据下的霍特林HotellingT2和平方预测误差SPE统计量的控制 限； 步骤四：在线计算数据的霍特林HotellingT2和SPE，并与正常状态下的控制限比较， 得出故障诊断结果； 步骤五：用FDA方法对DKPCA检测出的故障数据进行进一步分类，以确保迅速的找出故 障原因。
【专利摘要】一种基于融合DKPCA-FDA的聚合釜故障诊断方法，涉及一种聚合釜故障诊断方法，该方法针对聚氯乙烯聚合（PVC）生产过程中故障种类较多、类型复杂等特点，提出了一种基于融合DKPCA-FDA的故障诊断方法。采用核主元分析和动态核主元分析算法分别对PVC聚合过程进行故障诊断，同时采用FDA方法对故障数据进行进一步分离。仿真研究结果显示，动态核主元分析对PVC聚合过程的故障诊断有较好的诊断精度，FDA可以进一步实现故障分离，可以对实际的PVC聚合生产过程中的故障进行监测。
【IPC分类】G06F19/00
【公开号】CN105260601
【申请号】CN201510651372
【发明人】高淑芝, 吴晓峰, 郎丹, 张萌, 张国光
【申请人】沈阳化工大学
【公开日】2016年1月20日
【申请日】2015年10月10日