論文題目：Novel multivariate q-sigma rule focusing on process variation for incipient fault detection in dynamic processes

發表期刊：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） 陳 波 中國石油大學（北京）信息科學與工程學院 博17級

2） 羅雄麟 中國石油大學（北京）信息科學與工程學院 自動化系

簡介：

本文提出了一種基于過程變異的早期故障診斷方法。通過規范變量分析生成規范變量殘差，根據歷史數據求出每個殘差的標準差，西格瑪，該標準差被用來作為各自在線殘差的控制限。通過改變該控制限的系數來監測早期的過程變異實現故障的早期診斷。結果表明，該方法在可以保證極低誤報率的情況下，在早期診斷出故障，以及顯示出嚴重故障與早期故障分布在不同的范圍內。

摘要：

當化工過程中發生初始故障時，一些變量會略微偏離初始軌跡，過程殘差會逐漸向均值的一側偏移，即發生過程變異。傳統的指標對這種情況不夠敏感，或者以高誤報率為代價來實現它。為了解決這一問題并探索在動態過程中具有低誤報率的方法，首先通過規范變量分析生成規范變量殘差。然后，提出了一種新的多變量q-sigma規則來監測規范變量殘差。它在一個窗口中考慮上述過程變異，并為每個變量設置控制限。當在模擬過程中進行測試時，多變量q-sigma對過程變化非常敏感，能夠比其他方法更早地檢測出初始故障，即檢測延遲和檢測距離最小。

背景和動機

化工過程中最重要的方面是保證系統的穩定運行。然而，由于干擾和設備老化，故障是不可避免的。大多數故障都有從早期故障到嚴重故障的演化過程。因此，應及早發現故障，以保證系統的穩定運行。當系統穩定時，狀態變量會在其穩態或均值附近波動；當故障發生時，會出現過程變異，即一些狀態變量受其影響而偏離原來的軌跡，過程殘差會從零向一側偏倚。傳統的方法在保證較低誤報率的情況下會導致對故障的不敏感和較大的故障檢測時間。另一方面，傳統的方法大都基于馬氏距離或者歐式距離，從空間距離信息的角度來對過程進行監測，這會導致誤診斷的出現，例如當考慮故障為連續六個點的報警時，傳統的方法可能出現這六個點不是來自同一個變量的情況，那么該情況不能視為故障，應該為誤報。

本文從過程變異的角度，提出了一種新的多變量q-sigma準則來進行過程監測。該準則依據著名的三西格瑪準則，根據歷史數據求得每個被監測變量的標準差來對在線的每個變量進行監測。由于大多數故障都有一個從小向大演變的過程，那么早期故障與嚴重故障一定分布在不同的范圍內。在保證正常工況下沒有過程變異的情況下，通過減小控制限的系數來監測三西格瑪以內的故障。

設計和實現

規范變量分析是監測動態過程的有效工具，該方法被用于用于生成規范變量殘差，根據歷史數據獲得投影矩陣和各個規范變量的均值（期望為0）以及標準差。在線數據經過預處理，再根據投影矩陣生成規范變量殘差。以移動窗口的方式觀測每個殘差是否有過程變異出現（即連續多個點超出控制限）。如果該窗口內的所有點都超出上界或者下界，一定有該窗口內的所有偏差（觀測值與控制限的差值）均大于0或者均小于0，那么該窗口內的偏差和的絕對值減去偏差絕對值的和一定等于0。最后將所有被監測變量的信息融合在一起形成監控指標，并將0作為故障的報警值。只要某一個變量的某一個窗口出現過程變現，該指標為0并出現報警。

圖1.用于早期故障檢測的多變量q-sigma程序。

數值模擬實驗結果

以Tennessee Eastman過程為例（圖2）

圖2.Tennessee Eastman過程P&ID圖。

實驗結果如圖3，圖4所示。

圖3.對故障3的監控圖，（左：控制限為1-sigma；右：控制限為3-sigma）。

圖4.以故障3為例，在置信度水平和q降低時誤報率與檢測延遲的關系。黑色虛線框代表低遠誤報率。

數值實驗表明，本文提出的方法能最早地檢測出早期故障，且誤報率最低。結果還表明：（1）早期故障的過程變異主要分布在1-sigma到3-sigma之間或?1-sigma和?3-sigma之間，嚴重的過程變化分布在3-sigma或?3-sigma以外。（2） 傳統的方法側重于低誤報率，控制限較大，對早期故障不敏感。檢測延遲可以以高誤報率的代價降低。（3） 多變量q-sigma考慮每個變量的控制限值和幾個連續點的變化。它能以較低的誤報率實現早期檢測故障。

作者簡介

羅雄麟，博士

現任中國石油大學（北京）教授、博士生導師、自動化專業（教育部高等學校特色專業）負責人、控制科學與工程（博士一級）學科負責人，校學術委員會委員、校學位委員會委員。北京人工智能學會理事會常務理事、北京自動化學會理事會常務理事。

控制理論與過程控制、化工系統工程、機器學習學者?？蒲泄ぷ魃婕翱刂评碚摷皯?、過程控制工程、過程系統工程和機器學習等，同時長期從事煉油化工過程軟測量儀表與先進控制、過程流程模擬與實時優化等技術開發與工程應用工作。

99亚洲综合精品