公开(公告)号：CN117075536A

公开(公告)日：2023-11-17

申请号：CN202310869544.0

申请日：2023-07-14

Applicant: 山东科技大学

Inventor： 纪洪泉 ,  张玉昊 ,  王建东 ,  贺凯迅 ,  张璐 ,  杨子江 ,  侯庆森

IPC: G05B19/406 ,  G06F18/214

Abstract: 本发明公开了一种基于故障相关特征分析的动态过程监测方法，属于工业过程监测和故障诊断领域，该方法包括：分别采集工业过程正常和故障工况下的一段传感器测量数据作为正常训练数据和故障训练数据；分别构造两组训练数据的增广矩阵；建立故障相关特征分析模型，确定故障相关子空间和故障无关子空间；根据所构造的正常训练数据的增广矩阵，计算每个样本的统计量，并使用核密度估计方法确定控制限；采集实时传感器测量作为测试数据，对其增广处理，并计算增广处理后数据的统计量；将统计量与相应的控制限比较，判断是否发生故障和过程监测模型是否适用。与现有技术相比，本发明无需过程数学模型，便可实现对动态过程的有效监测。

公开(公告)号：CN116224934A

公开(公告)日：2023-06-06

申请号：CN202310135636.6

申请日：2023-02-20

Applicant: 山东科技大学

Inventor： 纪洪泉 ,  侯庆森

IPC: G05B19/418

Abstract: 本发明公开了一种面向动态工业过程的早期故障检测方法，属于工业过程监测与故障诊断领域，该方法包括：采集正常工况下的两组独立测量数据作为训练数据，构建有外部输入的自回归模型；求解优化问题得到工业过程的时滞、自回归系数和时间不相关成分；针对时间不相关成分的每个样本，通过最大化检测性能指标选取每个样本的最优主元；依据最优主元构建训练数据的统计量，确定其控制限；采集工业过程实时数据作为测试样本，利用自回归系数求取测试样本的时间不相关成分；通过最大化检测性能指标计算测试样本的最优主元；计算统计量并进行优化，与控制限作比较实现故障检测。本发明无需过程的精确数学模型及故障数据，且能够实现早期故障的高效检测。