论文题目：Novel multivariate q-sigma rule focusing on process variation for incipient fault detection in dynamic processes

发表期刊：Chemometrics and Intelligent Laboratory Systems（2020，JCR Q1）

原文DOI：https://doi.org/10.1016/j.chemolab.2020.104149

作者列表：

1） 陈 波 中国石油大学（北京）信息科学与工程学院 博17级

2） 罗雄麟 中国石油大学（北京）信息科学与工程学院 自动化系

简介：

本文提出了一种基于过程变异的早期故障诊断方法。通过规范变量分析生成规范变量残差，根据历史数据求出每个残差的标准差，西格玛，该标准差被用来作为各自在线残差的控制限。通过改变该控制限的系数来监测早期的过程变异实现故障的早期诊断。结果表明，该方法在可以保证极低误报率的情况下，在早期诊断出故障，以及显示出严重故障与早期故障分布在不同的范围内。

摘要：

当化工过程中发生初始故障时，一些变量会略微偏离初始轨迹，过程残差会逐渐向均值的一侧偏移，即发生过程变异。传统的指标对这种情况不够敏感，或者以高误报率为代价来实现它。为了解决这一问题并探索在动态过程中具有低误报率的方法，首先通过规范变量分析生成规范变量残差。然后，提出了一种新的多变量q-sigma规则来监测规范变量残差。它在一个窗口中考虑上述过程变异，并为每个变量设置控制限。当在模拟过程中进行测试时，多变量q-sigma对过程变化非常敏感，能够比其他方法更早地检测出初始故障，即检测延迟和检测距离最小。

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。传统的方法在保证较低误报率的情况下会导致对故障的不敏感和较大的故障检测时间。另一方面，传统的方法大都基于马氏距离或者欧式距离，从空间距离信息的角度来对过程进行监测，这会导致误诊断的出现，例如当考虑故障为连续六个点的报警时，传统的方法可能出现这六个点不是来自同一个变量的情况，那么该情况不能视为故障，应该为误报。

本文从过程变异的角度，提出了一种新的多变量q-sigma准则来进行过程监测。该准则依据著名的三西格玛准则，根据历史数据求得每个被监测变量的标准差来对在线的每个变量进行监测。由于大多数故障都有一个从小向大演变的过程，那么早期故障与严重故障一定分布在不同的范围内。在保证正常工况下没有过程变异的情况下，通过减小控制限的系数来监测三西格玛以内的故障。

设计和实现

规范变量分析是监测动态过程的有效工具，该方法被用于用于生成规范变量残差，根据历史数据获得投影矩阵和各个规范变量的均值（期望为0）以及标准差。在线数据经过预处理，再根据投影矩阵生成规范变量残差。以移动窗口的方式观测每个残差是否有过程变异出现（即连续多个点超出控制限）。如果该窗口内的所有点都超出上界或者下界，一定有该窗口内的所有偏差（观测值与控制限的差值）均大于0或者均小于0，那么该窗口内的偏差和的绝对值减去偏差绝对值的和一定等于0。最后将所有被监测变量的信息融合在一起形成监控指标，并将0作为故障的报警值。只要某一个变量的某一个窗口出现过程变现，该指标为0并出现报警。

图1.用于早期故障检测的多变量q-sigma程序。

数值模拟实验结果

以Tennessee Eastman过程为例（图2）

图2.Tennessee Eastman过程P&ID图。

实验结果如图3，图4所示。

图3.对故障3的监控图，（左：控制限为1-sigma；右：控制限为3-sigma）。

图4.以故障3为例，在置信度水平和q降低时误报率与检测延迟的关系。黑色虚线框代表低远误报率。

数值实验表明，本文提出的方法能最早地检测出早期故障，且误报率最低。结果还表明：（1）早期故障的过程变异主要分布在1-sigma到3-sigma之间或−1-sigma和−3-sigma之间，严重的过程变化分布在3-sigma或−3-sigma以外。（2） 传统的方法侧重于低误报率，控制限较大，对早期故障不敏感。检测延迟可以以高误报率的代价降低。（3） 多变量q-sigma考虑每个变量的控制限值和几个连续点的变化。它能以较低的误报率实现早期检测故障。

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。