基于变量分组DTW-MCVA的不等长间歇过程故障检测方法

发布时间：2021-02-03 09:12

　　针对不等长间歇过程监控中批次数据同步化未能充分挖掘局部信息的问题,提出一种基于变量分组DTW-MCVA （VGDTW-CVA）的不等长间歇过程故障检测方法。首先,利用互信息矩阵描述不等长间歇过程测量变量之间的相关性,并基于互信息矩阵进行变量分组。然后利用DTW算法对各个变量组分别进行同步化,并将同步化后的变量组整合为完整的三维数据集。最后,利用MCVA方法建立动态监控模型实现对间歇生产过程的在线监控。盘尼西林发酵过程的仿真结果表明,VGDTW-MCVA能够比基本的DTW-MCVA方法更好地监控间歇过程故障。 

【文章来源】：化工学报. 2019,70(09)北大核心

【文章页数】：8 页

【部分图文】：

批次-变量展开方式Fig.2Batch-variableexpansionmode

?-1/2ss=UΣV(7)可得到J=UTΣ-1/2rrT=VTΣ-1/2ss(8)当模型阶次为k时，Jk为J的前k行，Tk为T的前k行。进一步可以计算得到典型变量如下u=Jkr=UkTΣ-1/2rrrv=Tks=VkTΣ-1/2sss(9)MCVA方法通过构造2个统计量进行故障检测，其表达式为T2=rTtJTkJkrtSPE=rTt(I-JTkJk)T(I-JTkJk)rt(10)图2批次-变量展开方式Fig.2Batch-variableexpansionmode图1DTW算法原理示意图Fig.1SchematicdiagramofDTWalgorithm··3443

?+0.5/100h斜坡干扰，监控效果如图5所示，检出率及检出时刻如表3、表4所示。可以看出，DTW-MCVA方法的T2和SPE统计量检出率分别为94.63%和85.91%，VGDTW-MPCA方法中T2和SPE统计量检出率分别为88.00%和78.67%，相较于上述两种方法，VGDTW-MCVA方法的T2和SPE统计量检出率分别提升至95.97%和91.95%。DTW-MCVA方法和VGDTW-MPCA方法的检出时刻分别为第61个采样点和第69个采样点，VGDTW-MCVA方法的检出时刻为第61个采样图3Pensim发酵过程流程图Fig.3FlowdiagramofPensimfermentationprocess表1故障描述Table1Faultdescription故障123描述底物流加速率在100~400h施加+0.004/100h斜坡干扰通风速率在100~400h施加+0.5/100h斜坡干扰搅拌速率在100~400h施加+3/100h斜坡干扰表2变量分组Table2VariableGrouping序号123变量号1、2、34、7、85、6、9、10··3445

【参考文献】：
期刊论文
[1]基于多约束DTW的MPCA间歇过程监测方法[J]. 高学金,黄梦丹,王普,齐咏生.  北京工业大学学报. 2018(03)
[2]基于多块MICA-PCA的全流程过程监控方法[J]. 王振雷,江伟,王昕.  控制与决策. 2018(02)
[3]基于变量子域PCA的故障检测方法[J]. 王磊,邓晓刚,徐莹,钟娜.  化工学报. 2016(10)
[4]基于偏最小二乘算法的高维谱数据特征选择[J]. 汤健,贾美英,刘卓,乔勇,赵立杰.  控制工程. 2015(06)
[5]Fault diagnosis and process monitoring using a statistical pattern framework based on a self-organizing map[J]. 宋羽,姜庆超,颜学峰.  Journal of Central South University. 2015(02)
[6]基于稀疏核主元分析的在线非线性过程监控[J]. 赵忠盖,刘飞.  化工学报. 2008(07)
[7]Pensim仿真平台在青霉素发酵过程的应用研究[J]. 刘毅,王海清.  系统仿真学报. 2006(12)
[8]基于改进的MPCA与DTW方法及其在批过程故障诊断中的应用[J]. 肖应旺,徐保国.  计算机与应用化学. 2005(05)
[9]基于MPCA与DTW的间歇反应过程的性能监视及故障诊断[J]. 李元,王纲,曹锐.  沈阳化工学院学报. 2003(04)
[10]基于可变多元统计模型的故障诊断方法[J]. 高翔,王纲,马纪虎.  上海海运学院学报. 2001(03)



本文编号：3016257