一种面向复杂非平稳工业过程的质量相关分布式故障检测方法

由于复杂工业过程通常受到生产条件的变化,未知的外部干扰及其他因素的影响,其过程数据时间序列的统计特征随时间变化,呈现出非平稳特性。而工业过程的故障可能会被过程的非平稳特性所掩盖,这给复杂工业过程的质量相关故障检测带来巨大挑战。本文提出了一种基于动静特征融合且面向复杂非平稳工业过程的分布式质量相关故障检测方法。首先,利用最小冗余最大相关算法揭示和量化过程变量与质量变量之间的线性和非线性关系,并选择最具代表性的过程变量,消除所选过程变量之间的冗余性。其次,利用增广迪基–富勒检验(ADF)检验方法将所选的过程变量划分为平稳变量和非平稳变量。再次,利用工业过程的机理知识将复杂工业过程划分为多个有物理意义的子块,子块之间的信息交互通过公共变量实现,构建局部子块模型,该模型包括来自其邻居子块的信息。然后,通过偏最小二乘和长短期记忆网络方法分别提取子块中平稳变量及非平稳变量的静态特征和动态特征,并进行特征融合;利用规范变量分析算法来最大化融合后的动静态特征与质量变量之间的相关性,构建局部质量异常检测的统计量和控制限。最后,通过贝叶斯推理将局部检测结果进行融合,实现全局质量相关的故障检测。为了验证所提方法的有效性,采用河北某公司浮法玻璃生产过程的实际数据进行了实验。实验结果表明:本文所提质量相关分布式故障检测方法能够准确检测复杂非平稳过程的故障,故障检测率为100%,误报率为4%,比规范变量分析方法等具有更好的故障检测性能。综上所述,所提方法有效融合了动静特征以充分利用过程信息,在提高故障检测率同时显著降低了误报率,能够为复杂非平稳工业过程提供可靠技术支持。