一種雙容水箱突變故障潛在信息聚類識別方法
【專利摘要】本發明提供了一種雙容水箱突變故障潛在信息聚類識別方法。該方法主要針對在工業生產過程中典型裝置——雙容水箱。其具有工業參數(進水量、出水量等)變量較多，故障不確定和機理復雜性等難題。為此本發明提出了一種突變故障潛在信息聚類識別方法。該方法根據突變故障情況下系統動態特性變化，重置kalman濾波的方差以快速和準確地跟蹤系統結構參數的突變，提高了潛在信息聚類在線識別的魯棒性和自適應能力，保障了雙容水箱突變故障識別的正確性及有效性。
【專利說明】一種雙容水箱突變故障潛在信息聚類識別方法
【技術領域】
[0001]本發明涉及智能檢測領域，特別涉及雙容水箱系統故障診斷，是一種雙容水箱突變故障潛在信息聚類識別方法。
【背景技術】
[0002]隨著現代工業設備的日益大型化、復雜化、網絡化和自動化，測量點成倍增多，數據的高速傳輸，使得數據的在線采集量明顯增大。如何在海量的在線數據情況下，快速準確地判斷工業設備工況和識別故障模式，成為了當前工業工程監測的熱點問題。
[0003]雙容水箱是較為典型的大慣性/大滯后對象，常常作為故障診斷研究領域的一個基準系統，工業上許多被控對象的整體或局部都可以非常容易的抽象成雙容水箱的數據模型，具有很好的代表性，例如:工業鍋爐、液位控制系統等。在現有的操作技術中，人們大多通過液位計來獲得容器內液面的高度，在工業生產過程中，工作人員更需時刻在現場進行觀測、巡檢，也有部分采用自動控制系統，以保證設備的正常運行。在實際操作過程中，尤其就雙容水箱結構而言，其工業參數(進水流量、出水流量等)變量較多，一旦發生故障很難實現在線故障診斷和識別，因此本發明針對雙容水箱，提出了一種雙容水箱突變故障潛在信息聚類識別方法，通過該方法實現了突變故障在線診斷。到目前為止尚未出現基于kalman濾波、潛在信息聚類和利用雙容水箱系統三者相結合進行突變故障診斷的實現方案。
【發明內容】
[0004]本發明提出了一種雙容水箱突變故障潛在信息聚類識別方法。該方法主要針對在工業生產過程中典型裝置——雙容水箱。其具有工業參數(進水量、出水量等)變量較多，故障不確定和機理復雜性等難題。為此本專利提出了一種突變故障潛在信息聚類識別方法。該方法根據突變故障情況下系統動態特性變化，重置kalman濾波的方差以快速和準確地跟蹤系統結構參數的突變，提高了潛在信息聚類在線識別的魯棒性和自適應能力，保障了雙容水箱突變故障識別的正確性及有效性。
[0005]本發明提出了一種雙容水箱突變故障潛在信息聚類識別方法。包括以下步驟:
[0006](I)在獲得雙容水箱控制系統傳遞函數過程中，一般選取雙容水箱進水量為輸入，液面高度為輸出。通過輸入輸出變化進行故障識別，本發明將雙容水箱考慮為二階模型。
[0007](2)為了適應kalman濾波，選取結構特征參數為狀態，通過離散化構建狀態空間方程。
[0008](3)傳統kalman濾波只能對系統參數緩變情形進行有效的辨識和跟蹤，kalman濾波在收斂后，方差將會限定為很小的值。當出現系統突變故障情形下，結構特征參數突變，就導致kalman濾波的不穩定而發散，且不能快速而有效的跟蹤。針對參數突變的情況，對傳統kalman濾波進行改進，以便于突變故障的在線識別，為便于工程實現采用方差重置的kalman濾波。檢測雙容水箱液位高度變化，若相鄰采樣時刻液位高度變化超出設定的閾值，則對方差P進行重置，提高參數估計的魯棒性。
[0009](4)將濾波后得到的狀態(特征參數)構造特征向量空間。為了便于聚類分析，計算狀態(特征參數)點相應的潛在信息值(其詳細的計算過程見具體實施過程)。
[0010](5)若特征參數的潛在信息值大于所有已有焦點的潛在信息值，則此特征參數點為特征向量空間的活動焦點。只要小于任一焦點的潛在信息值，則此特征參數點不能成為活動焦點。
[0011]當此特征參數點已判斷為活動焦點后,再通過特征參數點與所有焦點的歐式距離判斷是否為新焦點。若距離值都大于設定的閾值，則為新焦點。
[0012](6)如果是新焦點，要產生并儲存一個新焦點，并建立對應的故障類型，儲存到數據庫中。如果不是新焦點，則判斷雙容水箱系統是否正常。若正常，則重新開始一個新的診斷周期，不正常，則用當前特征參數點代替原活動焦點，并從數據庫中找出所對應的故障類型(其詳細的診斷過程見具體實施過程)。從而通過活動焦點來辨識系統的運行狀態變化過程，以實現在線監測和故障診斷。
[0013]本發明提出了一種雙容水箱突變故障潛在信息聚類識別方法。其優點是:
[0014]1、本發明方法突破了傳統kalman濾波只能對系統參數緩變情形進行有效的辨識和跟蹤的限制。在出現系統突變故障情形下，結構特征參數突變，方差重置的kalman濾波能夠對突變結構參數進行有效的辨識和快速的跟蹤，提高參數估計的魯棒性。
[0015]2、本發明方法具有雙容水箱系統突變故障在線診斷和識別功能。經過方差重置的kalman濾波和潛在信息聚類處理后，可以迅速，準確的將故障類型通過界面反饋給用戶。
[0016]3、本發明方法有利于保證雙容水箱突變故障的在線識別能力。將潛在信息聚類應用于故障診斷，提高了故障模式在線識別的自適應能力。并且此方法使用迭代計算方式，降低了模式識別的在線計算量，保證了其故障的在線識別能力。
【專利附圖】
【附圖說明】
[0017]圖1為本發明的雙容水箱突變故障潛在信息聚類識別方法的流程圖。
[0018]圖2為本發明的重置kalman濾波參數估計的流程圖
【具體實施方式】
[0019]下面將結合附圖，詳細闡述本發明的實施方式:
[0020]圖1展示了本發明對雙容水箱突變故障的識別流程，實施方式如下描述:
[0021](I)雙容水箱系統建模。得到雙容水箱控制系統傳遞函數(I)，選取雙容水箱進水量為輸入，液面高度為輸出。通過輸入輸出變化進行故障識別，本發明將雙容水箱考慮為二階模型。
[0022]
【權利要求】
1.一種雙容水箱突變故障潛在信息聚類識別方法，其特征在于，包含以下關鍵步驟: 步驟一:雙容水箱系統建模； 步驟二:將雙容水箱結構參數考慮為狀態，構建狀態空間方程； 步驟三:利用卡爾曼濾波進行突變參數估計，跟蹤雙容水箱結構特征參數變化，獲取特征參數； 步驟四:通過特征參數的潛在信息計算進行聚類分析； 步驟五:判斷是否為活動焦點(正常工況特征或已有故障特征)，并判斷是否為新焦點(新故障特征)； 步驟六:故障診斷。
2.根據權利要求1所述的，一種雙容水箱突變故障潛在信息聚類識別方法，其特征在于:在步驟一中，在獲得雙容水箱控制系統傳遞函數過程中，一般選取雙容水箱進水量為輸入，液面高度為輸出；通過輸入輸出變化進行故障識別，本發明將雙容水箱考慮為二階模型。
3.根據權利要求1所述的，一種雙容水箱突變故障潛在信息聚類識別方法，其特征在于:在步驟二中，為了適應kalman濾波，選取結構特征參數為狀態，通過離散化構建狀態空間方程。
4.根據權利要求1所述的，一種雙容水箱突變故障潛在信息聚類識別方法，其特征在于:在步驟三中，傳統kalman濾波只能對系統參數緩變情形進行有效的辨識和跟蹤，kalman濾波在收斂后，方差將會限定為很小的值；當出現系統突變故障情形下，結構特征參數突變，從而導致kalman濾波的不穩定而發散，且不能快速而有效的跟蹤。針對參數突變的情況，對傳統kalman濾波進行改進，以便于突變故障的在線識別，為便于工程實現采用方差重置的kalman濾波；檢測雙容水箱液位高度變化，若相鄰采樣時刻液位高度變化超出設定的閾值，對方差P進行重置，提高參數估計的魯棒性。
5.根據權利要求1所述的，一種雙容水箱突變故障潛在信息聚類識別方法，其特征在于:在步驟四中，將濾波后得到的狀態(特征參數)構造特征向量空間，為了便于聚類分析，計算狀態(特征參數)點相應的潛在信息值(其詳細的計算過程見說明書)。
6.根據權利要求1所述的，一種雙容水箱突變潛在信息聚類故障識別方法，其特征在于:在步驟五中，若特征參數的潛在信息值大于所有已有焦點的潛在信息值，則此特征參數點為特征向量空間的活動焦點，只要小于任一焦點的潛在信息值，則此特征參數點不能成為活動焦點；當此特征參數點已判斷為活動焦點后，再通過特征參數點與所有焦點的歐式距離判斷是否為新焦點，若距離值都大于設定的閾值，則為新焦點。
7.根據權利要求1所述的，一種雙容水箱突變潛在信息聚類故障識別方法，其特征在于:在步驟六中，如果是新焦點，要產生并儲存一個新焦點，并建立對應的故障類型，儲存到數據庫中，通過顯示界面通知用戶；如果不是新焦點，則判斷雙容水箱系統是否正常，若正常，則重新開始一個新的診斷周期，不正常，則用當前特征參數點代替原活動焦點，并從數據庫中找出所對應的故障類型(其詳細的診斷過程見說明書)，通過界面反饋給用戶，從而通過活動焦點來辨識系統的運行狀態變化過程，以實現在線監測和故障診斷。
【文檔編號】G06F19/00GK103942451SQ201410188305
【公開日】2014年7月23日 申請日期:2014年5月6日 優先權日:2014年5月6日
【發明者】柴毅, 黃金龍, 周展, 馮莉, 王詩年, 陸震宇 申請人:重慶大學