基于貝葉斯網(wǎng)的故障分離快速方法
【專利摘要】一種基于貝葉斯網(wǎng)的故障分離快速方法，包括以下步驟：通過歷史數(shù)據(jù)，獲取系統(tǒng)的貝葉斯網(wǎng)、歷史數(shù)據(jù)的均值和歷史數(shù)據(jù)的方差-協(xié)方差矩陣；規(guī)定系統(tǒng)的誤報(bào)率，并由誤報(bào)率求取控制限，這一控制限用于判斷系統(tǒng)是否出現(xiàn)故障；讀取當(dāng)前時(shí)刻的采樣值，并將其構(gòu)成一個(gè)向量，計(jì)算出當(dāng)前系統(tǒng)的T2統(tǒng)計(jì)量；判斷當(dāng)前T2統(tǒng)計(jì)量是否小于控制限，若是，則表示系統(tǒng)處于正常運(yùn)行狀態(tài)，沒有故障，否則進(jìn)行下一步操作；對T2統(tǒng)計(jì)量進(jìn)行分解，基于貝葉斯網(wǎng)可以導(dǎo)出唯一的MYT分解，與傳統(tǒng)MYT分解相比，將原始MYT分解需要計(jì)算的分解項(xiàng)減少到p項(xiàng)，大大降低計(jì)算量，快速對T2統(tǒng)計(jì)量進(jìn)行分解，從而快速定位出故障源；該方法適用于在線診斷過程和對實(shí)時(shí)性要求高的系統(tǒng)。
【專利說明】基于貝葉斯網(wǎng)的故障分離快速方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及故障診斷領(lǐng)域，具體是一種適用于在工業(yè)控制過程，尤其是在復(fù)雜工業(yè)控制過程中過程出現(xiàn)故障時(shí)快速定位出故障源的方法。
【背景技術(shù)】
[0002]復(fù)雜工業(yè)過程一旦發(fā)生事故可能對生產(chǎn)安全、效率或產(chǎn)品質(zhì)量造成不良影響，為了防止此類事情的發(fā)生，需要對工業(yè)過程實(shí)時(shí)進(jìn)行故障診斷。對于傳統(tǒng)的基于模型的故障診斷方法來說，很難對一個(gè)復(fù)雜過程建立精確的物理模型進(jìn)行管理監(jiān)控。而在復(fù)雜工業(yè)過程中，各種傳感器又時(shí)刻產(chǎn)生大量反映過程運(yùn)行機(jī)理和運(yùn)行狀態(tài)的數(shù)據(jù)。因此基于數(shù)據(jù)驅(qū)動的故障診斷方法在對過程運(yùn)行數(shù)據(jù)進(jìn)行分析時(shí)，無需知道系統(tǒng)精確解析模型，即可完成對系統(tǒng)的故障檢測與診斷。
[0003]基于復(fù)雜工業(yè)過程數(shù)據(jù)的故障診斷方法是一種行之有效的檢測和分離過程故障方法。該方法通過對工業(yè)過程關(guān)鍵部位安裝傳感器，通過對傳感器產(chǎn)生數(shù)據(jù)進(jìn)行分析，能夠準(zhǔn)確地判斷出該工業(yè)過程是否發(fā)生故障，故障源在哪里。
[0004]為了保證工業(yè)過程正常運(yùn)行，判斷出是否發(fā)生故障、定位故障源，不僅需要準(zhǔn)確還需要快速，因此本領(lǐng)域技術(shù)人員致力于尋找快速故障診斷方法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種快速故障診斷方法，實(shí)現(xiàn)在復(fù)雜工業(yè)過程中快速診斷并隔離故障，保證工作過程正常運(yùn)行。
[0006]為實(shí)現(xiàn)上述目的，本發(fā)明通過結(jié)合貝葉斯網(wǎng)，快速對T2統(tǒng)計(jì)量進(jìn)行分解，從而快速定位出故障源，保證工業(yè)過程正常運(yùn)行。
[0007]本發(fā)明提供一種基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，包括以下步驟:
[0008](I)通過工業(yè)過程的歷史數(shù)據(jù)，構(gòu)造出工業(yè)過程的貝葉斯網(wǎng)，并計(jì)算工業(yè)過程故障的控制限；
[0009](2)計(jì)算工業(yè)過程的當(dāng)前T2統(tǒng)計(jì)量；
[0010](3)如果當(dāng)前T2統(tǒng)計(jì)量小于控制限，則工業(yè)過程處于正常運(yùn)行狀態(tài)，執(zhí)行步驟(2);如果當(dāng)前T2統(tǒng)計(jì)量大于控制限，則工業(yè)過程發(fā)生故障；
[0011](4)結(jié)合貝葉斯網(wǎng)，對當(dāng)前T2統(tǒng)計(jì)量進(jìn)行MYT分解；
[0012](5)對步驟(4)得到的MYT分解項(xiàng)依次檢測是否超過其對應(yīng)的控制限；
[0013](6)超過控制限的MYT分解項(xiàng)對應(yīng)的條件因子就是故障的故障源，如果條件因子數(shù)為0，則MYT分解項(xiàng)對應(yīng)的變量為工業(yè)過程的故障源；
[0014]條件因子數(shù)是指MYT分解項(xiàng)依賴變量的個(gè)數(shù)。
[0015]進(jìn)一步地，步驟(I)中計(jì)算工業(yè)過程故障的控制限，包括以下步驟:
[0016](11)根據(jù)工業(yè)過程的歷史數(shù)據(jù)，計(jì)算工業(yè)過程的非故障數(shù)據(jù)的均值向量和方差-協(xié)方差矩陣；[0017](12)將步驟(11)計(jì)算的同一時(shí)刻的數(shù)據(jù)構(gòu)成一個(gè)向量，向量的維數(shù)表示同一時(shí)刻采樣的傳感器個(gè)數(shù)或者工業(yè)過程的變量的個(gè)數(shù)；
[0018](13)根據(jù)系統(tǒng)設(shè)定的誤報(bào)率，計(jì)算工業(yè)過程故障的控制限。
[0019]進(jìn)一步地，步驟(13)中計(jì)算所述工業(yè)過程故障的所述控制限的方法為:
【權(quán)利要求】
1.一種基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，包括以下步驟: (1)通過工業(yè)過程的歷史數(shù)據(jù)，構(gòu)造出所述工業(yè)過程的貝葉斯網(wǎng)，并計(jì)算所述工業(yè)過程故障的控制限； (2)計(jì)算所述工業(yè)過程的當(dāng)前T2統(tǒng)計(jì)量； (3)如果所述當(dāng)前T2統(tǒng)計(jì)量小于所述控制限，則所述工業(yè)過程處于正常運(yùn)行狀態(tài)，執(zhí)行步驟(2);如果所述當(dāng)前T2統(tǒng)計(jì)量大于所述控制限，則所述工業(yè)過程發(fā)生故障； (4)結(jié)合所述貝葉斯網(wǎng)，對所述當(dāng)前T2統(tǒng)計(jì)量進(jìn)行MYT分解； (5)對步驟(4)得到的MYT分解項(xiàng)依次檢測是否超過其對應(yīng)的控制限； (6)超過所述控制 限的所述MYT分解項(xiàng)對應(yīng)的條件因子就是所述故障的故障源，如果所述條件因子數(shù)為O，則所述MYT分解項(xiàng)對應(yīng)的變量為所述工業(yè)過程的故障源； 所述條件因子數(shù)是指所述MYT分解項(xiàng)依賴變量的個(gè)數(shù)。
2.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(1)中計(jì)算所述工業(yè)過程故障的控制限，包括以下步驟: (11)根據(jù)所述工業(yè)過程的所述歷史數(shù)據(jù)，計(jì)算所述工業(yè)過程的非故障數(shù)據(jù)的均值向量和方差_協(xié)方差矩陣； (12)將步驟(11)計(jì)算的同一時(shí)刻的數(shù)據(jù)構(gòu)成一個(gè)向量，所述向量的維數(shù)表示同一時(shí)刻采樣的傳感器個(gè)數(shù)或者所述工業(yè)過程的變量的個(gè)數(shù)； (13)根據(jù)系統(tǒng)設(shè)定的誤報(bào)率，計(jì)算所述工業(yè)過程故障的所述控制限。
3.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(13)中所述系統(tǒng)設(shè)定的誤報(bào)率為α，計(jì)算所述工業(yè)過程故障的所述控制限的方法為:
2 /)(/7-1)(/7 + 1) ^L = T, =~---Fu(PJ1-1)
n(n - p) 其中:Fa (p, n-p)是自由度為P和n-p、置信度為1-a的F分布，p為系統(tǒng)變量數(shù)，η為樣本數(shù)。
4.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(2)計(jì)算所述工業(yè)過程的當(dāng)前T2統(tǒng)計(jì)量，包括以下步驟: (21)讀取當(dāng)前時(shí)刻所述工業(yè)過程的傳感器的采樣值； (22)所述傳感器的采樣值，按照歷史數(shù)據(jù)中所述傳感器的采樣值的順序，構(gòu)成樣本向量; (23)計(jì)算所述樣本向量的均值向量，根據(jù)所述均值向量，對所述樣本向量進(jìn)行歸一化； (24)根據(jù)歸一化的所述樣本向量與所述方差-協(xié)方差矩陣，計(jì)算得到所述樣本向量對應(yīng)的T2統(tǒng)計(jì)量。
5.如權(quán)利要求4所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(23)中計(jì)算所述樣本向量的均值向量的方法為:
K
P = ^ X1
1=1 其中μ為所述樣本向量的均值向量，η為樣本數(shù)，Xi為所述樣本向量中的第i個(gè)樣本。
6.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(5)對應(yīng)的控制限計(jì)算方法為:計(jì)算變量= [X1,…，Xi_JT上的變量Xi對應(yīng)的控制限CLp1:
7.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(4)中結(jié)合所述貝葉斯網(wǎng)，對所述當(dāng)前T2統(tǒng)計(jì)量進(jìn)行MYT分解的方法為:計(jì)算變量Xp1 = [X1,…，Xi_Jτ上的變量Xi對應(yīng)的MYT分解項(xiàng)g...,μ:
8.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，步驟(5)中對步驟(4)得到的MYT分解項(xiàng)依次檢測是否超過其對應(yīng)的控制限，包括以下步驟: (51)按照所述條件因子數(shù)的多少對所述MYT分解項(xiàng)進(jìn)行分級； (52)從所述條件因子數(shù)少的級別開始，檢測所述MYT分解項(xiàng)，是否超過各自對應(yīng)控制限； (53)同一所述級別中的所述MYT分解項(xiàng)檢測完畢，如果存在超限的所述MYT分解項(xiàng)，則停止對下一所述級別中的所述MYT分解項(xiàng)進(jìn)行檢測，如果不存在超限的所述MYT分解項(xiàng)，則繼續(xù)對下一所述級別中的所述MYT分解項(xiàng)進(jìn)行檢測，直到所有所述MYT分解項(xiàng)檢測完畢。
9.如權(quán)利要求1所述的基于貝葉斯網(wǎng)的故障診斷方法，其特征在于，所述MYT分解項(xiàng)對應(yīng)的變量包括測量變量和控制變量。
【文檔編號】G05B23/02GK103760889SQ201410005188
【公開日】2014年4月30日 申請日期:2014年1月6日 優(yōu)先權(quán)日:2014年1月6日
【發(fā)明者】張峰華, 王毓, 魏巖, 楊煜普 申請人:上海交通大學(xué)