成果名称：基于过程变异分析的投票融合策略在早期故障检测中的应用

论文标题：Incipient fault detection benefited from voting fusion strategy onanalysis of process variation

作者：陈波（自动化系 博17级）；罗雄麟

录用期刊：Chemometrics and Intelligent Laboratory Systems（SCI, JCR-Q2、中科院III区, 2.895 (2019)）

简介：

提出了一种基于过程变异和投票融合策略的早期故障诊断方法。首先通过主元分析方法生成实际状态的近似值即预测状态。然后在线计算和更新预测状态的每个变量的上下限，这样，过程偏差信息可以通过计算实际状态和前面的上下限的偏差来获得。最后，利用投票融合策略将各变量的过程偏差信息进行融合，形成多元统计指标；如果任何一个变量发生过程变化，指标将立即触发警报。

详细介绍：

摘要：

实际工业过程往往具有复杂的系统动态，并且操作条件可能随时间而变化。因此，恒定的控制限值是松散的，并且不适合监测早期故障。针对这一问题，本文提出了一种基于过程变量驱动的投票融合策略来检测不同运行条件下的早期故障。该方法基于Q 统计量的定义，利用预测状态生成变化的控制限来跟踪实际系统的动态。然后通过测量当前实际状态与上述变化的控制限之间的偏差来产生过程信息。采用投票融合策略，结合各变量的过程信息，对过程变异进行监控。在实际工业过程中，该方法对变工况下的初始故障非常敏感。

背景和动机

化工过程中最重要的方面是保证系统的稳定运行。然而，由于干扰和设备老化，故障是不可避免的。大多数故障都有从早期故障到严重故障的演化过程。因此，应及早发现故障，以保证系统的稳定运行。当系统稳定时，状态变量会在其稳态或均值附近波动；当故障发生时，会出现过程变异，即一些状态变量受其影响而偏离原来的轨迹，过程残差会从零向一侧偏倚。另一方面，通常采用观测值在定值附近波动的稳态过程来建立模型，因此当系统只包含稳态过程时，恒定的控制限是合适的；然而当工况变化时，变量的均值和标准差都有较大的波动，那么当系统包含动态过程时，达到给定显著性水平的恒定控制限将是松散的。松散的控制限会导致低的检测率，从而导致较长的检测时间。

本文从过程变异的角度，提出了一种利用投票融合策略的早期故障监控方法来进行过程监测。方法基于Q 统计量的定义，利用预测状态生成变化的控制限来跟踪实际系统的动态。然后通过测量当前实际状态与上述变化的控制限之间的偏差来产生过程信息。采用投票融合策略，结合各变量的过程信息，对过程变异进行监控。

设计和实现

离线训练的目的是建立主元分析模型，得到负荷向量P。对于在线监测，首先输入在线数据，然后通过P获得预测状态；通过移动时间窗口，得到各变量的变化的上控制限和变化的上控制限；然后通过测量实际状态和两个控制限值生成过程信息；投票融合策略考虑每个变量的过程变化，结合所有变量的信息来判断过程是否正常或故障。

图1.本文所提方法的在线监控流程图

数值模拟实验结果

以多相流装置为例（图2）。数值实验表明，所提出的使用变化的控制极限的方法可以很好地跟踪系统动态，较小的控制极限可以避免由于松动的恒定的控制限引起的大的检测延迟。 所提出的方法并不关注偏离的程度，只关注几个采样点是否连续偏离控制极限，这样可以检测到早期的小偏差。 它可以被视为在变工况下监控初期故障的替代方法。

图2.多相流装置P&ID图

实验结果如图3，图4所示。

图3.对故障1.1的监控图，（左：变量1；右：变量2）

图4.故障1.1的监测结果

作者简介：

      罗雄麟，博士。现任中国石油大学（北京）教授、博士生导师、自动化专业（教育部高等学校特色专业）负责人、控制科学与工程（博士一级）学科负责人，校学术委员会委员、校学位委员会委员。北京人工智能学会理事会常务理事、北京自动化学会理事会常务理事。控制理论与过程控制、化工系统工程、机器学习学者。科研工作涉及控制理论及应用、过程控制工程、过程系统工程和机器学习等，同时长期从事炼油化工过程软测量仪表与先进控制、过程流程模拟与实时优化等技术开发与工程应用工作。