1.一种基于在线非线性判别特征分析的精馏过程异常监测方法,其特征在于,具体包括以下步骤:
步骤(1):在板式精馏塔正常运行状态下,按采样时间先后依次采集得到n个样本数据向量x1,x2,…,xn,每个样本数据向量具体包括m个采样数据,依次是:原油入口流量,原油入口温度,塔顶部压力,塔顶部出口流量,塔顶部回流量,汽油出口流量,煤油出口流量,轻柴油出口流量,燃料油出口流量,塔底部液体出口流量,塔底部回流量,冷凝器冷却水流量,再m×1 m×1
沸器蒸汽流量,以及各层塔板的温度;其中,第i个样本数据向量xi∈R ,R 表示m×1维的实数向量,R表示实数集,i∈{1,2,…,n};
步骤(2):利用x1,x2,…,xn的均值向量μ和标准差向量δ,分别对x1,x2,…,xn实施标准化处理,对应得到n个数据向量n×n
步骤(3):按照如下所示公式计算核矩阵K∈R 中第i行第j列元素K(i,j):n×n
其中,R 表示n×n维的实数矩阵, e表示自然常数,α为核参数,上标号T表示矩阵或向量的转置符号;
步骤(4):根据如下所示公式对K进行中心化处理,从而得到核矩阵n×n
上式中,方阵Θ∈R 中所有元素都等于1;
步骤(5):按照如下所示步骤(5.1)至步骤(5.4)计算得到N=n‑D个监测指标其中,D表示时序阶数;
步骤(5.1):初始化i=1;
(D+1)×n
步骤(5.2):按照公式 组建图矩阵Y∈R ;其中,上标号T表示矩阵或向量的转置, 分别表示核矩阵 中的第i+D,i+D‑1,…,i列的列向量;
(D+1)×1
步骤(5.3):对Y实施在线非线性判别分析,从而得到左载荷向量u∈R 和右载荷向n×1
量w∈R ;
步骤(5.4):根据公式 计算第i个监测指标 后,判断是否满足条件i<N;若是,则设置i=i+1后返回步骤(5.2);若否,则得到步骤(6):将 中的最大值记录为 后,再根据公式 计算得到控制上限 其中,γ表示放大系数;
m×1
步骤(7):在线采集最新采样时刻的样本数据向量xt∈R ,并对其实施与步骤(2)中相同的标准化处理,从而得到数据向量 其中,下标号t表示最新采样时刻;
n×1
步骤(8):根据如下所示公式计算核向量kt∈R 中的第i个元素kt(i):步骤(9):根据如下所示公式对kt进行中心化处理,得到核向量n×1
其中,向量θ∈R 中各元素都等于1;
步骤(10):组建图矩阵 并设置Y=Yt后,实施在线非线性判别特征分析,从而得到左载荷向量u和右载荷向量w;其中, 分别表示kt,kt‑1…,kt‑D经中心化处理后的核向量,而kt,kt‑1…,kt‑D分别表示t,t‑1,…,t‑D采样时刻的核向量;
步骤(11):根据公式 计算监测指标 后,判断是否满足条件 若是,则当前采样时刻精馏塔运行正常,返回步骤(7)继续利用最新采样时刻的样本数据向量实施异常监测;若否,则执行步骤(12);
步骤(12):返回步骤(7)继续利用最新采样时刻的样本数据向量实施异常监测,若连续
6个最新采样时刻的监测指标皆满足条件 则触发异常状态警报。
2.根据权利要求1所述的一种基于在线非线性判别特征分析的精馏过程异常监测方法,其特征在于,所述步骤(5.3)与步骤(10)中实施在线非线性判别特征分析的具体实施过程如下所示:
步骤(A):随机初始化右载荷向量w为任意一个n×1维的实数向量;
T T
步骤(B):求解特征值问题Yww Yp=ηp中,最大特征值η所对应的特征向量p,再根据公式u=p/||p||计算得到左载荷向量u;其中,步骤(C):求解特征值问题 中,最大特征值λ所对应的特征向量q,再根据公式 计算得到右载荷向量w;
(D+1)×1
步骤(D):判断w是否收敛;若否,则返回步骤(B);若是,则得到左载荷向量u∈R 和n×1
右载荷向量w∈R 。