文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201410849339.9

申 请 日：20141231

发 明 人：张利亚 李太福 李景哲 邱奎 裴仰军 辜小花

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区虎溪大学城重庆科技学院

公 开 日：20171013

公 开 号：CN104656635B

代 理 人：王玉芝

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明公开了一种非高斯动态高含硫天然气净化过程异常检测与诊断方法，该诊断方法按如下步骤进行：随机采集高含硫天然气净化过程数据组成原始测量样本集；对数据进行预处理；通过分析工业过程自回归模型，确定模型时滞阶次，然后将数据投影到核独立元空间，通过监控独立元对应的T<Sup>2</Sup>和SPE统计量是否超出正常状态设定的控制限实现异常检测。最后计算T<Sup>2</Sup>统计量对原始变量的一阶偏导数，绘制其贡献图，从而实现异常诊断。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据，实现非线性、动态、非高斯过程监控。

主 权 项：1.一种非高斯动态高含硫天然气净化过程异常检测与诊断方法，其特征在于按照以下步骤进行：步骤1：随机采集m组高含硫天然气净化过程数据组成原始测量样本集X＝[x₁,x₂,…,x_m]∈R_m×N，每个样本含有N个独立的高含硫天然气净化过程参数采样值；步骤2：对样本数据进行预处理，选择最能反映出生产过程实际特性的有效数据；具体为：剔除采集数据中缺失参数的样本，并保证样本满足企业净化气技术指标，得到的数据为X*＝[x₁,x₂,…,x_m]∈R_m×l，l为处理后采集样本数量，l＜N；步骤3：分析步骤2所得的数据X*的自回归模型，确定其动态时滞阶次：3.1使用最小二乘估计法，对于p阶自回归模型有x_t＝β₁x_t-1+β₂x_t-2+…+β_px_t-p+ε_t，其中x_t为模型变量，β₁,β₂,…β_p为模型的回归系数，ε_t为模型随机误差，p为模型阶次，使用最小二乘估计法：Y＝Xβ+ε，误差向量为ε＝[ε_p+1,ε_p+2,…ε_n]^T，n为观测次数；自回归模型系数β＝[β₁,β₂,…β_p]，时间排序的样本p阶观测矩阵为：X＝[x_p,x_p-1,…x₁,x_p+1,x_p,…x₂,…x_n-1,x_n-2,…x_n-p]，p为模型阶次，β最小二乘解为β＝(X^TX)^-1X^TY；对于数据X*的p阶自回归模型为：x_t＝β₁x_t-1+β₂x_t-2+…+β_px_t-p+ε_t，其自回归模型系数β＝[β₁,β₂,…β_p]，其参数估计残差平方和为S_p；数据X*的p-1阶自回归模型为：x_t＝β₁x

关 键 词：高含硫天然气 异常检测  预处理  工艺操作参数  故障发生原因  非高斯过程  一阶偏导数  自回归模型 诊断  工业过程  故障发生  过程数据  决策参考  数据投影  系统故障  异常诊断  原始变量  原始测量  净化  非高斯 贡献图 控制限  样本集  监控  排查  时滞  追溯  绘制  采集  检测  恢复  分析  

IPC专利分类号：G05B23/02(20060101)