一種基于核相似度支持向量數據描述的間歇過程故障檢測方法技術

本發(fā)明專利技術公開了一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，屬于間歇過程監(jiān)測技術領域。首先，該方法使用正常工況的間歇過程數據作為訓練樣本，利用支持向量數據描述構造包含訓練樣本的最小超球體，計算待檢測間歇過程數據樣本的超球球心距，獲得待檢測樣本與支持向量之間的核函數值，并將獲得的核函數值作為相似度權重；然后，基于相似度權重對不同時刻的支持向量球心距加權求和，得到待檢測樣本的動態(tài)控制限；最后通過判斷待檢測樣本的球心距是否超過其動態(tài)控制限，檢測間歇過程故障。本方法無需新增人為設定參數，對特性差異較大的過程數據具有較好的適應性，提高了間歇過程故障檢測的準確性。

【技術實現步驟摘要】
一種基于核相似度支持向量數據描述的間歇過程故障檢測方法
本專利技術涉及一種間歇過程故障檢測的方法，屬于間歇過程監(jiān)測
，尤其涉及一種基于核相似度支持向量數據描述的間歇過程故障檢測方法。
技術介紹
間歇過程是重要的工業(yè)生產方式，具有生產靈活、產品附加值高等特點，廣泛應用于食品、精細化工、醫(yī)藥等領域。過程故障檢測方法及技術對確保間歇過程安全生產、可靠運行，以及提高產品質量具有重要作用。控制圖方法能監(jiān)測工業(yè)生產過程運行參數和質量指標的變化，檢測生產過程故障。在工業(yè)生產過程故障檢測中控制圖方法均假設過程數據服從正態(tài)分布，然而間歇過程數據通常具有時變、高維和非正態(tài)分布等特征，并不滿足這一假設，因此制約了其在復雜的間歇過程故障檢測中的實際應用和推廣。基于核距離控制圖支持向量數據描述的過程故障檢測方法能夠用于高維間歇過程數據處理和間歇過程故障檢測，該方法雖然不要求過程數據服從正態(tài)分布，但是對于不同支持向量計算所得的不同球心距，選擇了歷史過程數據中最大的核距離作為其故障判定閥值，沒有考慮高維空間中超球體的不規(guī)則性，以及過程數據在高維空間分布的局部特性和待檢測過程數據樣本的時變性，因此，降低了間歇過程故障檢測的準確性。
技術實現思路
本專利技術的目的是針對現有基于核距離控制圖支持向量數據描述的間歇過程故障檢測方法的缺陷，提供一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，提高間歇過程故障檢測的準確性。為實現上述目的，本專利技術采用的技術方案為一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，該方法使用正常工況的間歇過程數據作為訓練樣本，采用支持向量數據描述構造包含訓練樣本的最小超球體，將間歇過程數據待檢測樣本與支持向量之間的核函數值作為相似度權重，利用該相似度對不同時刻的支持向量球心距加權求和，得到待檢測間歇過程數據樣本的動態(tài)控制限，通過判斷待檢測樣本的球心距是否超過其動態(tài)控制限，實現間歇過程故障檢測。該方法綜合考慮高維空間中超球體的不規(guī)則性和過程數據在高維空間分布的局部特性，以及間歇過程數據待檢測樣本的時變性，引入核相似度作為故障檢測控制限計算的動態(tài)權重，提高了間歇過程故障檢測的準確性。一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，該方法具體包括以下步驟：步驟一：采集正常工況的間歇過程數據，作為支持向量數據描述所使用的訓練樣本，構造包含訓練樣本的最小超球體，得到訓練樣本的支持向量集合及其對應的拉格朗日乘子，并計算每個支持向量所對應的超球球心距。步驟二：采集待檢測間歇過程數據樣本，在步驟一的基礎之上，利用待檢測樣本、支持向量、拉格朗日乘子計算待檢測樣本的超球球心距。步驟三：計算待檢測樣本與各支持向量之間的核函數值，將獲得的核函數值作為相似度權重，對權重進行標準化處理，得到核相似度權值，并將得到的核相似度權值與步驟一所得的支持向量球心距加權求和，獲得待檢測樣本所對應的間歇過程故障檢測動態(tài)邊界閥值。步驟四：比較步驟二得到的待檢測樣本球心距與步驟三得到的動態(tài)邊界閥值，若待檢測樣本球心距超過動態(tài)邊界閥值，即判定該過程點存在故障，實現間歇過程故障檢測。所述步驟一，具體包括：在正常工況的間歇過程中，采集多批次過程數據I為批次數，K為每批次采樣長度，J為監(jiān)測變量個數。將多個批次的過程數據沿變量方向展開，得到新的序列X(IK×J)＝{xi∈RJ,i＝1,2,…,IK}，R為實數，并將xi作為訓練樣本。利用支持向量數據描述方法構造包含訓練樣本xi的最小超球體，如式(1)所示。式(2)為式(1)的對偶形式，引入式(3)所示的高斯核函數能夠簡化內積運算，完成特征空間映射，通過系數C調整規(guī)劃所得的球體體積與訓練樣本誤分率，系數C的設定值由式(4)計算得到。K(xi·xj)＝exp(-(xi-xj)2/2δ2)(3)式(2)-式(4)中，αi為拉格朗日乘數，C為權衡系數，K為核函數，δ為核函數寬度參數，f為訓練樣本處于超球體外部的百分比，n為訓練樣本總數且n＝IK。計算得到訓練樣本xi對應的拉格朗日乘子αi，拉格朗日乘子滿足0＜αi＜C的xi為處于球體表面的支持向量，對滿足該條件的支持向量索引i進行篩選，組成整數集合s；在上述計算基礎上，由式(5)計算支持向量超球球心距，并得到支持向量超球球心距集合R＝[Rl(xi),i∈s],l＝1,2,…,L，其中，L為處于球體表面的支持向量個數，Rl為xi∈s中第l個支持向量的球心距，完成支持向量數據描述算法對超球模型的訓練。所述步驟二，具體包括：讀入待檢測間歇過程數據，構造待檢測樣本z，z與單個訓練數據樣本具有相同的監(jiān)測變量個數J。由式(6)計算z的球心距kdz，該球心距為待檢測樣本z到球心的核距離。式中，αi為步驟一計算所得拉格朗日乘數，xi為步驟一所使用的訓練樣本。所述步驟三，具體包括：使用待檢測樣本z與支持向量xi∈s之間的核函數值作為度量量，表征待檢測樣本與支持向量在高維空間中位置的相似性，為間歇過程故障檢測動態(tài)控制限的選擇提供依據。由式(7)計算核相似度權重wkelwkel＝K(xi∈s,z)(7)由式(8)對核相似度權重進行標準化處理，獲得核相似度權值由式(9)計算得到待檢測樣本z對應的間歇過程故障檢測動態(tài)閥值，即每個支持向量的球心距與待檢測樣本的核相似度加權求和，得到的動態(tài)檢測邊界Rz。式中，RT為步驟一計算所得支持向量超球球心距集合R的轉置。所述步驟四，具體包括：根據步驟二、步驟三獲得的待檢測樣本球心距kdz和動態(tài)檢測邊界Rz，由式(10)判斷該樣本點的超球球心距是否超出了該點對應的動態(tài)控制限。當滿足式(10)時，則判斷該樣本點存在故障，間歇過程存在故障；反之，則判為間歇過程正常。kdz-Rz＞0(10)本專利技術考慮了高維空間間歇過程數據分布的不均勻性，利用核函數值度量樣本點之間位置的相似性，作為過程數據分布局部邊界的選擇依據，在不增加訓練計算量的基礎上，獲得了故障檢測動態(tài)控制限；根據待檢測過程數據的特性，靈活選擇不同支持向量對應的球心距作為該檢測點的控制限，對不同時段特性差異較大的過程數據具有較好的適應性，間歇過程故障檢測結果穩(wěn)定。與現有基于核距離控制圖的間歇過程故障檢測方法相比，本專利技術方法對間歇過程數據的描述更為準確，為間歇過程故障檢測提供了更加合理的控制限，有效地提高了間歇過程故障檢測的準確性。附圖說明圖1是本專利技術所述的一種基于核相似度支持向量數據描述的間歇過程故障檢測方法的流程圖。圖2是本專利技術方法與現有的支持向量球心距均值方法、核距離控制圖方法的間歇過程故障檢測結果對比圖。具體實施方式下面結合實例及附圖對本專利技術作進一步的描述，實施例并不限定本專利技術要求保護的范圍。具體實施方式：利用一個半導體金屬刻蝕過程數據作為實例過程數據集。金屬刻蝕是一個典型的非線性間歇過程。Lam9600TCP金屬蝕刻機的過程數據由108個正常晶片和21個故障晶片構成，一個晶片制作過程視為一個批次，共129個批次數據。數據集的每個采樣點記錄了21個變量，其中含19個監(jiān)測變量，監(jiān)測變量名稱及編號如表1所示。在相同的實驗條件下人為引入故障，共生成21個故障批次，批次編號及引入的故障描述如表2。由于該數據集的正常批次第56批次和故障批次第12批次采樣點過少，明顯存在數據缺失，剔除不用。隨機選擇本文檔來自技高網...

【技術保護點】
一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，其特征在于：該方法具體包括以下步驟：步驟一：采集正常工況的間歇過程數據，作為支持向量數據描述所使用的訓練樣本，構造包含訓練樣本的最小超球體，得到訓練樣本的支持向量集合及其對應的拉格朗日乘子，并計算每個支持向量所對應的超球球心距；步驟二：采集待檢測間歇過程數據樣本，在步驟一的基礎之上，利用待檢測樣本、支持向量、拉格朗日乘子計算待檢測樣本的超球球心距；步驟三：計算待檢測樣本與各支持向量之間的核函數值，將獲得的核函數值作為相似度權重，對權重進行標準化處理，得到核相似度權值，并將得到的核相似度權值與步驟一所得的支持向量球心距加權求和，獲得待檢測樣本所對應的間歇過程故障檢測動態(tài)邊界閥值；步驟四：比較步驟二得到的待檢測樣本球心距與步驟三得到的動態(tài)邊界閥值，若待檢測樣本球心距超過動態(tài)邊界閥值，即判定該過程點存在故障，實現間歇過程故障檢測。

【技術特征摘要】
1.一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，其特征在于：該方法具體包括以下步驟：步驟一：采集正常工況的間歇過程數據，作為支持向量數據描述所使用的訓練樣本，構造包含訓練樣本的最小超球體，得到訓練樣本的支持向量集合及其對應的拉格朗日乘子，并計算每個支持向量所對應的超球球心距；步驟二：采集待檢測間歇過程數據樣本，在步驟一的基礎之上，利用待檢測樣本、支持向量、拉格朗日乘子計算待檢測樣本的超球球心距；步驟三：計算待檢測樣本與各支持向量之間的核函數值，將獲得的核函數值作為相似度權重，對權重進行標準化處理，得到核相似度權值，并將得到的核相似度權值與步驟一所得的支持向量球心距加權求和，獲得待檢測樣本所對應的間歇過程故障檢測動態(tài)邊界閥值；步驟四：比較步驟二得到的待檢測樣本球心距與步驟三得到的動態(tài)邊界閥值，若待檢測樣本球心距超過動態(tài)邊界閥值，即判定該過程點存在故障，實現間歇過程故障檢測。2.根據權利要求1所述的一種基于核相似度支持向量數據描述的間歇過程故障檢測方法，其特征在于：所述步驟一，具體包括：在正常工況的間歇過程中，采集多批次過程數據I為批次數，K為每批次采樣長度，J為監(jiān)測變量個數；將多個批次的過程數據沿變量方向展開，得到新的序列X(IK×J)＝{xi∈RJ,i＝1,2,…,IK}，R為實數，并將xi作為訓練樣本；利用支持向量數據描述方法構造包含訓練樣本xi的最小超球體，如式(1)所示；式(2)為式(1)的對偶形式，引入式(3)所示的高斯核函數能夠簡化內積運算，完成特征空間映射，通過系數C調整規(guī)劃所得的球體體積與訓練樣本誤分率，系數C的設定值由式(4)計算得到；K(xi·xj)＝exp(-(xi-xj)2/2δ2)(3)式(2)-式(4)中，αi為拉格朗日乘數，C為權衡系數，K為核函數，δ為核函數寬度參數，f為訓練樣本處于超球體外部的百分比，n為訓練樣本總數且n＝IK；計算得到訓練樣本xi對應的拉格朗日乘子αi，拉格朗日乘子滿足0＜αi...

【專利技術屬性】
技術研發(fā)人員：王建林，馬琳鈺，于濤，邱科鵬，
申請(專利權)人：北京化工大學，
類型：發(fā)明
國別省市：北京,11