一种基于局部约束的串级CSTH性能评估与诊断方法

一种基于局部约束的串级csth性能评估与诊断方法
技术领域
1.本发明涉及过程数据分析领域，具体为一种基于局部约束的串级csth性能评估与诊断方法。


背景技术：

2.性能监测/评估(cpm/cpa)方法实际上就是利用过程数据进行时序分析比较实际控制性能与基准性能，以评估性能变化的程度，并且进一步诊断导致控制系统性能退化的回路或者变量，并通过适时适当的措施，以避免过程运行的不平稳、不安全，为控制系统的维护提供参考，性能评估有对传统过程控制中的控制器性能进行评估和对广义概念上控制系统的变量体现的性能进行评估两种意思，对控制系统性能评估的方法主要有基于模型和基于数据两种类型。
3.基于模型的方法首先提出了最小方差控制的概念，最小方差控制即控制系统可达的最优控制通过对操作数据作时间序列分析估计得到。自最小方差控制概念被提出之后，许多研究工作基于此展开，基于模型的方法常常需要获得关于模型的先验知识，这恰恰是基于模型的性能评估方法的一个难点和关键点。
4.为了研究如何降低性能评估算法对过程先验知识的依赖性，数据驱动的性能评估方法开始发展，其中子空间辨识方法、预测误差方差的方法应用比较广泛，这些方法大多还是基于最小方差控制基准，在这些研究的基础上，又有新的定义体现广义的系统性能变化的指标的方法被提出，这些评估方法定义了体现广义的系统性能的变化指标，并且可以根据故障诊断方法，具体追溯到导致性能变化的过程变量或者回路以及定义了性能变化程度的量化指标。
5.虽然上述的性能评估方法具有很大的启发性，但是仍存在一些局限性，当工业过程从出现波动时，传统的性能评估方法常常侧重于关注过程在全局层面的波动性，往往是以系统输出或者过程变量的方差为基准，对不同时间段的数据性能进行比较，而这样会导致数据样本中嵌入的固有几何结构和邻域信息即数据在局部层面的波动性被忽略。
6.因此亟需发明一种基于局部约束的串级csth性能评估与诊断方法以解决上述问题。


技术实现要素：

7.本发明的目的在于提供一种基于局部约束的串级csth性能评估与诊断方法，该方法在对比监测期和基准期方差的基础上引入流形学习算法局部线性嵌入结果的结构作为约束，从而可同时考虑过程数据在全局和局部上的波动信息，通过对投影方向进行求解，可获取导致监测期性能变化关键信息，进行关键回路/变量的溯源诊断。需要指明的是，许多流形学习的算法被广泛应用于提取工业数据的动态特性，这是因为工业过程常常被认为是一个慢变化过程，相邻采样点很可能空间上距离靠近，或者说是处在高维空间的同一个低维流形上。而流形学习算法的思想就是在降维前后，保持采样点之间的局部结构，或者也可
以称为采样点显示出的动态特性。
8.为实现上述目的，本发明提供如下技术方案：该方法是在对比监测期和基准期方差的基础上引入流形学习算法局部线性嵌入结果的结构作为约束，同时考虑过程数据在全局和局部上的波动信息，通过对投影方向进行求解，获取导致监测期性能变化关键信息，进行关键回路/变量的溯源诊断。
9.优选地，所述性能评估与诊断方法具体包括以下步骤：
10.s1、数据准备与预处理
11.收集一段历史过程数据x，在里面筛选出一段标准工况下的数据作为监测期数据x1，再选出一段待评价的数据作为基准期数据x2，其中m为输入过程数据的维度，对x1，x2去中心化。要寻找的投影向量构成的矩阵为v＝v1,v2,
…
,vk。
12.s2、构建流形局部约束的性能评估模型
13.考虑工业过程中的局部约束，引入流形学习算法中常见的图拉普拉斯项y
t
ly＝i作为约束项，并以比值的形式比较监测期较基准期的方差波动，设计性能评估指标的目标函数：
[0014][0015][0016]
g1＝(i-w1)(i-w1)
t
[0017]
g2＝(i-w2)(i-w2)
t
[0018]
为流形结构约束下监测期与基准期协方差的迹比问题，其中，tr(
·
)表示的是迹，和分别为监测期和基准期的图拉普拉斯约束项。通过将该问题转化为迹差问题，进而可采用迭代方法求解广义特征值，而且迭代求解的最终迹比结果即为评估性能变化的指标。该评估指标可以同时考虑工业过程全局和局部两个层面的波动情况；
[0019]
s3、迭代求解迹比问题获得性能评估指标
[0020]
对s2步骤中每次迭代求解的广义特征值结果进行分析，求解步骤s2的目标函数，将其化为迹差问题，并通过广义特征值分析方法迭代求解直至收敛，求解结果为性能评估指标值λ(v)：
[0021][0022][0023]
s4、导致性能变化的关键回路/变量诊断
[0024]
根据s3求解步骤获得的投影向量v1,v2,
…
,vk，向量中的每个元素代表对应贿赂对性能改变的贡献程度，由此可以利用贡献图法进一步诊断导致监测期较于基准期性能变化的关键回路/变量。
[0025]
优选地，步骤s2中所述的性能评估指标为局部结构约束下监测期与基准期协方差的迹比问题，解决方法包括以下子步骤：
[0026]
a.性能评估指标λ(v)具体定义为：
[0027][0028][0029]
其中，x1和x2分别表示的是监测期和基准期的过程数据矩阵，g1与g2分别表达的是监测期和基准期的过程数据的流形结构信息。v＝v1,v2,
…
,vk表示的是监测期与基准期相比，性能恶化程度最大的前k个方向；
[0030]
b.对目标函数进行化简，代换约束条件可以表示为
[0031]
c.因此目标函数可以表示为：
[0032][0033]
d.经过等式代换后，
[0034]
目标函数具体形式表示为：
[0035][0036]
s.t.p
t
p＝i
[0037]
其中，p是投影向量组成的矩阵，s1和s2都是半正定矩阵，该形式是标准迹比问题的形式。
[0038]
优选地，所述步骤s3包括以下步骤：
[0039]
a.将上述标准迹比问题转化为迹差问题：
[0040][0041]
根据上式进行迭代求解，直到矩阵p收敛得到最终结果，进而可确定性能评估指标λ(p)；
[0042]
b.任意初始化列向量正交矩阵
[0043]
c.根据映射矩阵p可以计算评价指标λ(p)；
[0044]
d.根据步骤c获得的λ，对该迹差问题进行广义特征值分解：
[0045]
[0046]
为求得的第k个广义特征向量对应的广义特征值，为第k个广义特征向量，上标n为迭代的次数；
[0047]
e.计算第n次迭代获得的pn与上一次迭代获得的p
n-1
的相似程度，小于阈值则迭代求解结束，大于阈值则重复c-d步骤；
[0048]
对于s2步骤中求解得到的投影矩阵p，可以求得其广义特征值和对应的特征向量。由于每个特征向量方向主要由载荷最大的元素影响，因此可以诊断导致性能变化的关键变量或回路，此外，特征向量对应的特征值表示性能变化的程度。
[0049]
与现有技术相比，本发明的有益效果是：
[0050]
(1)不要求过程模型和控制器模型，仅依赖于过程数据。
[0051]
(2)所提性能评估方法既考虑了过程的稳态特性，也考虑了过程的动态特性。
[0052]
(3)所提性能评估方法可考虑过程数据的局部信息结构。
[0053]
(4)本发明可以诊断导致性能变化的关键回路和变量，对重新设计过程控制器或调整过程参数有参考价值。
附图说明
[0054]
图1为本发明实施例串级csth过程示意图；
[0055]
图2为本发明所述的针对不同时期局部约束的性能评估及关键回路/变量溯源诊断方法的流程示意图；
[0056]
图3为kp1＝0.3时，三个广义特征向量方向对应的广义特征值；
[0057]
图4为kp1＝0.3时，三个广义特征向量的载荷图；
[0058]
图5为kp1取值不同时，各广义特征向量方向对应的广义特征值；
[0059]
图6为kp1取值不同时，回路诊断结果热力图。
具体实施方式
[0060]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061]
请参阅图1-6，本发明提供的实施例：
[0062]
如图1所示的串级连续搅拌加热釜(串级csth)，在该实验中，串级csth由两个csth过程串联而成，相比较于csth过程，该过程耦合更强，变量更多，该过程有两个装有冷水的釜分别被两个加热器-加热，并且2号釜的一部分热水循环到1号釜，进入1号釜和2号釜的冷水流量分别为u1和u2，整个过程的控制目标是使得1号釜的温度(y1)和2号釜的温度(y2)和2号釜的液位(y3)输出值平稳，mv/cv对为(u3,y3)，(u4,y1)和(u5,y2)。
[0063]
由于该多变量系统使用了pi控制器，可对该过程的pi控制器参数进行调整获取过程数据，分别收集监测期和基准期各3000个样本，具体过程步骤如图2所示，首先步骤s1，数据准备与预处理，收集一段在标准工况下运行的过程数据作为基准期数据和待评估的监测期数据，进行数据标准化处理，然后步骤s2，构建流形局部约束的性能评估模型，设定目标函数为引入流形学习结构作为局部约束后，监测期与基准期的过程数据波动情况的迹比问
题，接下来步骤s3，迭代求解迹比问题获得性能评估指标，求解上述步骤s2的目标函数，将其化为迹差问题，并通过广义特征值分析方法迭代求解直至收敛，求解结果为性能评估指标值，最后步骤s4，导致性能变化的关键回路/变量诊断，根据上述s3求解步骤获得的投影向量矩阵，可以利用贡献图法进一步诊断导致监测期较于基准期性能变化的关键回路/变量。
[0064]
s1、数据准备与预处理：通过调整串级ctsh的pi控制器的比例和积分系数，监测控制目标关注的y1，y2，y3三个变量，获得不同时期的数据子集。所有原始采样周期均为1s，每个时序段包含3000个数据样本。在运行性能评估和变量溯源模型之前，对基准期和监测期的数据分别进行去中心化处理。
[0065]
s2、迹比问题迭代求解性能评估指标：把基准期和监测期各回路pi控制器的积分系数设定为ti＝[0.1 0.1 0]，基准期各回路比例系数设定为k
p
＝[1 3 2]，监测期各回路的比例系数设定为k
p
＝[kp1 2.8 10]。为了横向比较多种控制参数情况下获得的监测期性能，设置第一回路控制器比例系数kp1是可变的变量，发明中展示了kp1＝{0.3,0.5,0.7,0.9,1.1,1.2,1.4}这几种取值情况下的实验结果，以kp1＝0.3为例，此时评价整体性能变化的指标为λ(p)＝1.1779，说明此时监测期相比较于基准期整体性能退化。
[0066]
s3、基于贡献图的关键回路诊断方法：
[0067]
为了进一步诊断导致性能变化的关键回路，利用载荷贡献图法对得到的广义特征值进行分析。同样地，先以kp1＝0.3的情况为例，特征值和对应的特征向量如图3和图4所示。利用载荷贡献图法，由图3和图4可以诊断，当kp1＝0.3时，回路1和回路2是导致监测期性能恶化的关键回路，回路3是导致性能改善的关键回路。图5的条形图展示了不同kp1取值情况下三个广义特征向量方向对应的特征值。对不同kp1取值情况下获得的特征值和对应的广义特征向量运用载荷贡献图法，得到的诊断结果如图6所示。热力图中方块从浅到深的颜色分别表示kp1＝{0.3,0.5,0.7,0.9,1.1,1.2,1.4}时所有监测期每个回路性能的恶化/改善的程度(大于0为性能变差，小于0为性能改善)，具体的回路诊断结果以及对应的体现性能变化程度的广义特征值在方块中显示，其中垂直的虚线表示基准期的kp1的取值点。
[0068]
进一步地，可从动态性和稳态性两个角度对系统性能进行评价。根据比例-积分控制器增益值k
p
的调参经验可知：(1)当控制系统的增益比理想的增益取值基础上升的时候，尽管响应曲线稳态误差明显变小，但却有振荡越变越强烈的趋势；(2)当增益值过大时，系统不再稳定，甚至出现等幅振荡的情况；(3)而当控制系统的增益比理想的增益取值基础下降的时候，系统的稳态误差变大，同时响应曲线有逐渐变平稳的趋势。换句话说，在系统稳定的前提下，如果在理想增益的基础上逐渐增大增益值，控制系统的稳态性能会变好，但是相反地，动态性能会变差。
[0069]
从图3到图6展示的结果可以得到以下结论：(1)当kp1的取值和基准期的kp1＝1差异较大时，认为回路1和回路2性能变差，回路3性能改善。这与上述增益调谐分析结果一致。(2)当kp1＝{0.5,0.7,0.9}时，虽然监测期第一回路的增益值仍然小于基准期的kp1＝1，但此时仍认为回路1和回路3性能改善，而回路2性能恶化。因为当回路1的增益被调为略小于基准周期时，认为稳态性能(全局性能)恶化的程度小于动态性能(局部性能)改善的程度，与上述增益调谐分析结果一致。(3)当kp1＝{1.1，1.2，1.4}时，诊断结果认为，回路1和回路3的性能有所改善，而回路2的性能下降。因为当增益被调整为略高于基准期的kp1＝1，认为
稳态性(全局性能)改善的程度大于动态性能(局部性能)变差的程度。
[0070]
综上可知，通过上述的一种基于局部约束的csth性能评估与诊断方法，具有如下优点：
[0071]
(1)不要求过程模型和控制器模型，仅依赖于过程数据；
[0072]
(2)所提性能评估方法既考虑了过程的稳态特性，也考虑了过程的动态特性；
[0073]
(3)所提性能评估方法可考虑过程数据的局部信息结构。
[0074]
(4)本发明可以诊断导致性能变化的关键回路和变量，对重新设计过程控制器或调整过程参数有参考价值。
[0075]
本发明通过s1、数据准备与预处理；s2、基于考虑所述过程的全局波动信息和局部波动信息，采用迹比问题的迭代求解法，在每一步骤中完成广义特征值分解并且更新求得的性能评估指标直至结果收敛；s3、上一步骤最后收敛结果的向量的每个元素，代表的是对应回路对性能改变的贡献程度，因此提出基于贡献图的关键回路/变量溯源诊断方法。本发明相比目前的其他方法，考虑到易被忽略的局部波动信息，可以提高工业过程的性能诊断准确程度和合理性。对于实际工业过程来说，有利于进一步调整过程的关键回路/变量参数，有助于工业过程安全高效地实施。本发明在研究数据驱动的过程监测方法时，定义了一种新颖的考虑过程数据在整体和局部层面波动性的评估指标，该指标的求解函数可以转化为一个标准迹比问题，采用迭代求解的方法后，不仅可以获得指标，还可以根据收敛时获得的结果向量进一步溯源诊断导致性能波动的关键回路/变量。相比目前得其它方法而言，本发明实现了对串级csth的性能评估，提出的评估指标同时考虑了过程数据在局部层面和整体层面的波动，提高了对关键回路/变量诊断的准确率和合理性。除此之外，诊断结果给工业过程中对控制器的重新设计或参数调整可以提供合理的参考。
[0076]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨再将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。