针对一些批处理过程中，如同步批轨迹处理和多峰分布等问题，提出了一种基于统计模量（statistics pattern analysis ，SPA）分析连续过程的故障诊断方法。FD-SPA和MPCA的显著差别是前者的监测对象是批次变量的统计特征，而后者监控过程变量。MPCA通过分析过程变量的方差—协方差进行故障检测，在SPA中，既要统计过程变量的均值与方差，又要统计过程变量间的协方差结构、偏度、峭度、自相关和互相关性。提出了一种基于滑动窗口的统计模量方法监测非线性的连续过程，使故障检测的准确性与可靠性得到提高。通过在TE过程中与传统的MPCA和KNN方法对比，验证了此方法的有效性。
2062 计算机应用研究 第32卷 统计模量的确定 个更精确的模型,从而得到更好的检测性能。 用X4来定义一个批次的测量过程为 xk=[X1X2…Xnl 4在T连续过程故障检测仿真实例 x1(k-1+1)x2(k-1+1) T过程数据是基于实际过程的仿直实例。由美国伊斯曼 (h + (5)化学公司的 Downs和voge提出。此过程已被广泛地作为连 续过程的策略、监视、诊断的研究。此过程有四重反应物(A、 A) xn(h) B、C、D),生产两种产物(G和H)。此外还包含一种惰性物质 其中:是批次中样本数,k是批次中最大时刻。SP由三个过B及副产物F。整个过程由五个主要的操作单元,即反应器 程统计数据组成。 冷凝器、气液分离器塔、循环压缩机和汽提塔组成」 S=ulla T (6) 1)TE数据介绍 其中:4是单个批次的均值。 整个过程包括22个连续过程测量、12个控制变量和19 ; ∑r;(k-1) 7)个成分测量,共有52个变量可用于本文研究的监测-5。以 ∑是一阶统计过程,包括方差,协方差r、自相关r、互相关 min为采样间隔,运行48h产生测试集样本数据,1组正常训 练样本数据用于建模,每组数据含有960个采样点。每种类型 的故障均是在第l60个采样点处引入故障,预设了20种故障 ELx(h-D) (8)状态。本文选取故障5以及所有变量进行仿真研究,故障5为 分离器冷却水出口温度阶跃变化,在第8h,即第160个采样时 64(k-D)-21x(k-D) 9)刻引人故障5。E过程变量如表2所示。T工艺过程流程如 图2所示 r=1x(h-1)-1x:k+d-D)-k7 表2T过程变量 (10) NO Variable NO Variable ∑.[x1(k-1)-k1[x(k+d-)- 进料(流1) 成分F(流6 D进料(流2) 成分F(流⑥) E进料(流3) 成分A(流9) 三是高阶统计过程,包括偏度γ、峭度κ;。本节只考虑偏度和 总进料(流4) 成分B(流9) 峭度。 再循坏流量(流8) 成分C(流9) 变量→ 毓计量→ 反应器进奉速度 成分D(流9 反应器压力 成分F(流9) 模量 检测 反应器等级 成分F(流9) 指 ∑测 反应器温度 数 排放速度(流9) 成分H流6 窗口指数 产品分离器温度 成分D(流11) (a)原始过程数据 (b计算统计模量 (c)故障检测 产品分离器液位 成分E(流11) 图1基于SPA连续过程故障检测方法 产品分离器压力 39 成分F(流11) 如果一个分布的y:和k1都是零,则它的性质与高斯分布 产品分离器塔底 成分G(流11) 将非常接近。从实用的观点,可以粗略认为它是高斯分布。若 汽提器等级 41 成分I(流11) y和k;中至少有一个与零相差较大时,则可以认为该变量不 汽提崙压力 D进料量(流2) 是高斯分布 汽提器塔底流量 E进料量(流3) 1 「x:(k-)-;1 18 汽提器温度 A进料量(流1) (12) 汽提器流量 总进料量(流4) 压缩机功率 压缩机再循环 [x:(k-1)-p;] 反应器冷封水出口温度47 排放阀(流9 K(⊥∑x(k-1)-)3 (13) 22分高器冷却水出口温度‖48 分离器灌液流 成分A(流6) 汽提器液体产物 在不同的统计计量下,最终用于建模的SP是由所选定的 成分B(流6) 汽提器水流阀 统计变量叠加变成的行矢量,SPs是不同窗口登加在·起所 成分C(流6 反应器冷却水 构成的训练矩阵,如图1所示。 成分D(流6) 搅拌速度 值得注意的是SPA连续过程是基于滑动窗口的方法,窗 2)滑动窗口介绍 宽的选择会对检测性能产生影响,并且可能产生检测延迟。然 为了解决数据预估带来的冋题,滑动窗口方法得到了广泛 而,由经验可知,检测性能与窗宽不是一和简单的相关性。事应用。滑动窗口的基本思想是将整个过程的数据对应采样吋刻 实上,更大的窗冂统计数据会计算出更小的方差,这样会得到细分成窗冂,以窗∏内的数据建模,窗∏随采样时刻滑动,使每 第7期 逄玉俊,等:基于统计模式分析的多变量连续过程坟障检测 2063 个采样时刻都对应相应的窗口模型。针对每个窗口的建模计算样时刻的数据作为窗口的宽度。连续三个采样时刻数据建樸作 既考虑了近邻时刻采样的相关性,又忽略了相距较远的采样时为后一时刻的时刻樸型。当窗口在开始时刻时,往往因为数据 刻起到的干扰作用,所代表的信息往往更加准确。选用三个采不够充分,不能滑动。所以忽略过程开始时刻的建模监测。 FIC 循环压缩机 却 净化 进料A 冷凝器 析树 进料D 气液 m(分离器 进料E 冷却水 解吸塔 蒸汽 反应器 份分析仪 份析 进料C 产品 图2TE工艺流程 滑动窗口统计模量方法在连续过程检测如图3所示。 150 AIAA 兰录键型是 20 5 200400'60080010002102004006008001000 羊本指效( ampleindex) 样本指数 Sampleindar) 2004006008001000 窗口指数 Window index) 图4MPCA对故障类型5检测结果图5KNN对枚障类型5检测结果 图3SPA对放障类型5的检测结果 取k=3时,利用KNN方法对T过程故障5样本信息进 本文用Dr代替SPE与多向主元分析中的SP区分。 行故障检测,检测结果如图5所示。由于KNN方法能够有效 图3为统计量PE图,其中横线为置信度为0.95的控制地处理数据之间的非线性关系,只考志样本点周围k个正常样 限。在统计模量中,既要统计批次单个变量的均值与方差,又本的信息,故障检测效果比MPCA有所提高。当改变k的值 要统讣变量间的协方差结构、偏度和峭度以及自相关和互相关时,<4吋故障检测率较高,越大漏检率越高。这说明k的 系数。由图可知本文所提方法在160个采样样本可以有效地 取值直接影响故障检测效果,所以合理有效地选取k值对有效 检测出几乎所有的故障样本点。 提高KNN故障检测效果具有重要的意义。三种方法的故障检 MPCA方法对故璋5的检测如图4所示。 测结果比较如表3所示。 图4为统计量SE图,其中横线为置信度为0.95的控制 表3三种方法的故障检测结果比较 限。传统的MPCA方法需对原始数据进行降维,在对用原始数 MPCA KNN A 据集的二阶统计量进行数据处理。这种二阶统计量只适合描 故障548.2% 4% 99.33% 述平稳的高斯分布的数据。但应用MPCA模型过程监测时,需 要所有间歇数据笭长,在线监测时需要调整数据结构,这些问 表4是在 MATLAB7.1平台下,传统MPCA方法、KNN方 题都会影响过程监测结果的准确性。 法以及木文方法故障检测所需的CPU时问累计耗时分析 KNN方法对故障5的检测如图5所示。 MPCA耗时多的主要原因是数据规模严重影响检测效率 2064 计算机应用研究 第32卷 本文方法降低了特征向量的维数,累计耗时比MPCA方法少 349-358 了0.5457.因为MPCA方法在故障检测前需要计算特征向量,L6」 Ile Q P. Wang Jin. Statistics pattern analysis: a new process monito 增加了耗时时间。 ring framework and its application to semiconductor batch processes 表4三种方法分别独立运行10次后的平均耗日 [I. Accepted for publication in AlChE Joumal, 2011, 57(1) 种类 方法 累计耗时/s l07-121 SPM MPCA 0.6882 [7 Wang Jin, He Q P. Multivariate statistical process monitoring based 0.5562 on statistics pattern analysis[ J. Industrial Engineering Chem .142 try Research,2010,49(17):7858-7869 [8 Galicia H J, He Q P, Wang Jin. Statistics pattern analysis based fault 5结束语 detection and diagnosis[ C //Proe of Chemical Process Control V Il 木文提出了一种基于滑动窗口的连续过程统计特征(FD19」 Cherry g,codn,mSJ. Semiconductor process monitoring and SPA)故障检测方法。不同于传统的方法,SPA监测的是过程 fault detection with recursive multiway pca based on a combined in- 变量。这种方法可以捕获高阶统计过程信息及传统MPCA方 dex. C]// Proc of AEC/APC Symposium XIV. 2002 法的非线性以及非高斯性的特征。将该方法应用于TE连续[10] JacksonJE, Mudholkar, Control procedures for residuals associated 过程进行仿真研究,通过与MPCA、KNN监控结果比较,验证了 with principal component analysis[ J1. Techno Metrics, 1979, 21 本文所提方法的有效性。 (3):341-349 参考文献 [11] He Q P, Wang Jin. Fault detection using the K-nearest neighbor rule [Ⅰ周东华,李钢,李元.数据驱动的过程故障检测与诊断技术[M] for semiconductor manufacturing invited)[J]. IEEE Trans on 北京;科学出版社,20l Semiconductor Manufacturing, 2007, 20(4): 345-3.54 2] Chen JH, Chen HH. On-line batch process monitoring using MHMT- [12J He Q P, Wang Jin. L-arge-stzale semiconductor provess monitoring based MPCA[ J. Chemical Engineering Science, 2006, 61(10) sing a fast pattern recognition based method [ J. IEEE Trans on 3223-3239 Semiconductor Manufacturing, 2010, 23(2): 194-200 [3] Qin S J. Statistical process monitoring: basies and beyond[ J]. Che- [13 J Downs J J Vogele F. A plant-wide industrial process control problen memetics,2003,17(89):480-502 J. Computers Chemical Engineering, 1993, 17(3): 245-255 [4] Lee J M, Qin S Lee I B. Fault detection and diagnosis based on 14] Meavoy T J, Ye N. Base control for the tennessee eastman problem modified independent component analysis J]. AIChE Journal, 2006 [J. Computers Chemical Engineering, 1994, 18(5): 383-413 52(10):3501-3514 15 Lyman PR, Georgakis C. Plant-wide control of the Tennessee East [5 Martin E B, Morris A. I Non-parametric confidence bounds for process man problern[ J]. Computers Chemical Engineering, 1995, 19 performance monitoring charts[ J| Process Control, 1996, 6(6) (3):321-331. (上接第2059页)规则,构件的复用者可以查看构件的属性是否14 NATO communications and information systems agency. NATO stan 符合自己的需求,而且可以了解感兴趣的构件复用状况。 dard for management of a reusable software component library[EB/ Olj.(1991).http:www.umlorgcn/bzgi/component/nato_stand- 4结束语 [5 AlnusairA, Zhao Tian. Component search and reuse: an ontology 本文借鉴数据挖掘中相关的挖掘原理,将基丁拥挤凼∫的 based approach C]//Proc of IEEE Internationa Conference on Infor 呶群算法引人到构件检索的辅助决策中,并通过实验验证该方 mation reuse and integration, 2010. 258-261 案的有效性和可行性,为构件的检索和管理提供了有效的保[6 Wang Yuanfeng, Xue Yunjiao, Zhang Yong,eal. A matching model 障。与此同时相对于决策树算汯68.2%和传统蚁群算法 for software component classified in faceted scheme[ I]. Journal of 71.9%,基于拥挤因子的蚁群算法在决策的准确率方面有所提 Software,2003.14(3):401-408 [71 Rajesh K B, Mayank D,Joshi R C. Ant colony based rule generation 升,达到了75.3%。但还是存在许多的不足:由于构件可复用 for reusable software component retrieval[ J.. ACM SIGSOFT Soft- 性受许多因素的影响,所以对于挖掘出来的复用规则作一个全 ware Engineering Notes, 2010, 35(2): 1-5 面且令人满意的评价是比较困难的。 [8 Tu Xiaoyuan. Artificial animals for computer animation: biomecha 参考文献: nics,locomotion, perception and behavior[ D]. Ontario: University of Toronto 1996 [1] Mili H, Mili F. Reusing softw are: issues and research directions[ J] [9 Xu jiangle, Xiao Zhitao, Zhao Jinghua. An improved intelligent ant IEEE Trans on Software Engineering, 1995, 21(6): 528-562 colony optimization based on genetic algorithm J. Microelectronics [2 Yang Jian. Web services componentization J. Communications of & Computer,2011,28(8):47 the ACN,2003,46(10):35-40 10] Yuan Donghui, Liu Dayou, Shen Shiqun Improved AC-G A based data [3]王渊峂,张涌,任洪敘,等.基于刻面描述的构件检索[J].软件学 association method for multi-target tracking[ J] Journal on Commu 报,2002,13(8):1506-1546 nications,2011,32(6):17-22