本发明涉及工业自动化,尤其涉及一种分散式工业过程监控方法、装置和电子设备。
背景技术:
1、随着现代工业的发展,工业生产规模越来越大,工作环境也越来越复杂,工业过程监控技术在保证安全生产和提高过程生产率方面发挥着越来越重要的作用。
2、然而,传统的集中式工业过程监控模式不易处理现代工业生产过程的高维数、自相关等复杂特征,因此分散式监控(decentralized monitoring)模式被广泛研究与应用,用以降低流程复杂度和监控冗余。分散式监控模式首先是对工业过程收集的过程变量进行变量分解,然后针对分解后的每个子块建立过程监控模型以对故障进行监控。
3、目前,基于多元统计的方法来对子块的故障进行监控已经得到了广泛的研究,然而,一些常规的多元统计方法,如:pca、cca、pls等。需要工业过程的过程变量满足高斯假设和线性假设,但这在实际工业过程中是难以满足的,因此监控性能较差。
技术实现思路
1、本发明提供一种分散式工业过程监控方法、装置和电子设备,用以解决现有技术中的多元统计的方法需要工业过程的过程变量满足高斯假设和线性假设,在不满足的情况下监控性能较差的问题。实现一种分散式工业过程监控方法,通过建立基于支持向量数据描述的故障检测模型,该模型不需要过程变量满足高斯假设和线性假设,因此能够改善不满足高斯假设和线性假设的过程变量的监控性能,并且该故障检测模型对监控过程中变量数据中的异常值具有较好的鲁棒性。
2、本发明提供一种分散式工业过程监控方法,包括:
3、采集工业过程正常运行状态下的变量数据集,并对所述变量数据集进行变量分解,以得到多个变量子数据集;
4、采用各所述变量子数据集分别建立基于支持向量数据描述的多个故障检测模型;
5、采集所述工业过程运行状态下的实时变量数据集,基于所述变量数据集的变量分解原则对所述实时变量数据集进行分解,以得到多个实时变量子数据集;
6、采用各所述故障检测模型,分别检测对应的各实时变量子数据集,以获得工业系统故障检测结果;
7、其中,所述故障检测模型对应的所述实时变量子数据集,为与建立所述故障件测模型的所述变量子数据集中变量类别相同的实时变量子数据集。
8、根据本发明提供的一种分散式工业过程监控方法,所述采集工业过程正常运行状态下的变量数据集,并对所述变量数据集进行变量分解,以得到多个变量子数据集,包括:
9、采集所述工业过程正常运行状态下的变量数据集x=rn×m,其中,n为样本数,m为变量的个数,r为实数;
10、将所述变量数据集基于m个变量,转化为包含m个节点的图模型;
11、定义划分指标,基于所述划分指标将所述图模型的m个节点进行划分,划分为多个目标子块,各所述目标子块分别对应有所述变量子数据集。
12、根据本发明提供的一种分散式工业过程监控方法,所述采用各所述变量子数据集分别建立基于支持向量数据描述的多个故障检测模型,包括:
13、针对各所述变量子数据集,将所述变量子数据集通过核函数投影到特征空间;
14、在所述变量子数据集中的所有样本向量中,筛选出支撑向量以得到支撑向量样本集合;
15、基于所述支撑向量样本集合,获得所述特征空间中体积最小的超球体的球心和半径,以所述超球体作为故障检测模型。
16、根据本发明提供的一种分散式工业过程监控方法,所述采用各所述故障检测模型,分别检测对应的各实时变量子数据集,以获得故障检测结果,包括:
17、针对各所述实时变量子数据集,计算所述实时变量子数据集到对应的所述故障检测模型的球心的目标距离;
18、当所述目标距离大于所述故障检测模型的半径时,则表示工业系统具有故障。
19、根据本发明提供的一种分散式工业过程监控方法,还包括:
20、对于发生故障的所述实时变量子数据集,分别计算所述实时变量子数据集中各实时变量的贡献率指数,基于所述贡献率指数大小确定所述工业系统中发生故障的位置。
21、根据本发明提供的一种分散式工业过程监控方法,还包括:
22、基于贝叶斯推理将各所述实时变量子数据集的故障检测结果进行概率融合,以获得全局检测指标bic;
23、当所述全局检测指标bic大于所述工业系统的故障状态的先验概率时,则所述工业系统处于故障状态;
24、查看各所述实时变量子数据集的故障定位结果,处理所述工业系统的故障。
25、本发明还提供一种分散式工业过程监控装置,包括:
26、第一采集分解模块,用于采集工业过程正常运行状态下的变量数据集,并对所述变量数据集进行变量分解,以得到多个变量子数据集;
27、模型建立模块,用于采用各所述变量子数据集分别建立基于支持向量数据描述的多个故障检测模型;
28、第二采集分解模块,用于采集所述工业过程运行状态下的实时变量数据集,基于所述变量数据集的变量分解原则对所述实时变量数据集进行分解,以得到多个实时变量子数据集;
29、检测模块,用于采用各所述故障检测模型,分别检测对应的各实时变量子数据集,以获得工业系统故障检测结果;
30、其中,所述故障检测模型对应的所述实时变量子数据集,为与建立所述故障件测模型的所述变量子数据集中变量类别相同的实时变量子数据集。
31、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述分散式工业过程监控方法。
32、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述分散式工业过程监控方法。
33、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述分散式工业过程监控方法。
34、本发明提供的分散式工业过程监控方法、装置和电子设备,通过针对过程变量进行变量划分的每个子部分建立基于支持向量数据描述的故障检测模型,该模型不需要过程变量满足高斯假设和线性假设,对于不满足高斯假设和线性假设的过程变量具有较好的监控性能,并且该故障检测模型对监控过程中变量数据中的异常值具有较好的鲁棒性。
1.一种分散式工业过程监控方法,其特征在于,包括:
2.根据权利要求1所述分散式工业过程监控方法,其特征在于,所述采集工业过程正常运行状态下的变量数据集,并对所述变量数据集进行变量分解,以得到多个变量子数据集,包括:
3.根据权利要求2所述分散式工业过程监控方法,其特征在于,所述采用各所述变量子数据集分别建立基于支持向量数据描述的多个故障检测模型,包括:
4.根据权利要求3所述分散式工业过程监控方法,其特征在于,所述采用各所述故障检测模型,分别检测对应的各实时变量子数据集,以获得故障检测结果,包括:
5.根据权利要求1至4任一项所述分散式工业过程监控方法,其特征在于,还包括:
6.根据权利要求5所述分散式工业过程监控方法,其特征在于,还包括:
7.一种分散式工业过程监控装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述分散式工业过程监控方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述分散式工业过程监控方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述分散式工业过程监控方法。