技術(shù)特征：

1.一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程故障檢測方法，其特征在于：該方法具體包括以下步驟：

步驟一：采集正常工況的間歇過程數(shù)據(jù)，作為支持向量數(shù)據(jù)描述所使用的訓(xùn)練樣本，構(gòu)造包含訓(xùn)練樣本的最小超球體，得到訓(xùn)練樣本的支持向量集合及其對應(yīng)的拉格朗日乘子，并計(jì)算每個支持向量所對應(yīng)的超球球心距；

步驟二：采集待檢測間歇過程數(shù)據(jù)樣本，在步驟一的基礎(chǔ)之上，利用待檢測樣本、支持向量、拉格朗日乘子計(jì)算待檢測樣本的超球球心距；

步驟三：計(jì)算待檢測樣本與各支持向量之間的核函數(shù)值，將獲得的核函數(shù)值作為相似度權(quán)重，對權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，得到核相似度權(quán)值，并將得到的核相似度權(quán)值與步驟一所得的支持向量球心距加權(quán)求和，獲得待檢測樣本所對應(yīng)的間歇過程故障檢測動態(tài)邊界閥值；

步驟四：比較步驟二得到的待檢測樣本球心距與步驟三得到的動態(tài)邊界閥值，若待檢測樣本球心距超過動態(tài)邊界閥值，即判定該過程點(diǎn)存在故障，實(shí)現(xiàn)間歇過程故障檢測。

2.根據(jù)權(quán)利要求1所述的一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程故障檢測方法，其特征在于：所述步驟一，具體包括：

在正常工況的間歇過程中，采集多批次過程數(shù)據(jù)I為批次數(shù)，K為每批次采樣長度，J為監(jiān)測變量個數(shù)；將多個批次的過程數(shù)據(jù)沿變量方向展開，得到新的序列X(IK×J)＝{x_i∈R^J,i＝1,2,…,IK}，R為實(shí)數(shù)，并將x_i作為訓(xùn)練樣本；

利用支持向量數(shù)據(jù)描述方法構(gòu)造包含訓(xùn)練樣本x_i的最小超球體，如式(1)所示；

$\begin{array}{cc}\underset{R,a,\mathrm{\ξ}}{\min }& R^2+C\underset{i}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ξ}}_i\\ s.t.& \left|\right|\mathrm{\Φ}\left(x_i\right)-a|{|}^2\≤R^2+{\mathrm{\ξ}}_i\\ & i=1,2,\mathrm{...},IK\end{array},{\mathrm{\ξ}}_i\≥0,---\left(1\right)$

式(2)為式(1)的對偶形式，引入式(3)所示的高斯核函數(shù)能夠簡化內(nèi)積運(yùn)算，完成特征空間映射，通過系數(shù)C調(diào)整規(guī)劃所得的球體體積與訓(xùn)練樣本誤分率，系數(shù)C的設(shè)定值由式(4)計(jì)算得到；

$\begin{array}{cc}\underset{{\mathrm{\α}}_i}{\max }& \underset{i}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_{i}K\left(x_i,x_j\right)-\underset{i,j}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\α}}_{j}K\left(x_i,x_j\right)\\ s.t.& 0\≤{\mathrm{\α}}_i\≤C,\underset{i}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i=1\end{array}---\left(2\right)$

K(x_i·x_j)＝exp(-(x_i-x_j)²/2δ²) (3)

$C=\frac{1}{nf}---\left(4\right)$

式(2)-式(4)中，α_i為拉格朗日乘數(shù)，C為權(quán)衡系數(shù)，K為核函數(shù)，δ為核函數(shù)寬度參數(shù)，f為訓(xùn)練樣本處于超球體外部的百分比，n為訓(xùn)練樣本總數(shù)且n＝IK；

計(jì)算得到訓(xùn)練樣本x_i對應(yīng)的拉格朗日乘子α_i，拉格朗日乘子滿足0＜α_i＜C的x_i為處于球體表面的支持向量，對滿足該條件的支持向量索引i進(jìn)行篩選，組成整數(shù)集合s；在上述計(jì)算基礎(chǔ)上，由式(5)計(jì)算支持向量超球球心距，并得到支持向量超球球心距集合R＝[R_l(x_i),i∈s],l＝1,2,···,L，其中，L為處于球體表面的支持向量個數(shù)，R_l為x_i∈s中第l個支持向量的球心距，完成支持向量數(shù)據(jù)描述算法對超球模型的訓(xùn)練；

$R_l=\sqrt{1-2\underset{i\∈s}{\mathrm{\Σ}}{\mathrm{\α}}_{i}K\left(x_i,x_{s\left(l\right)}\right)+\underset{i,j\∈s}{\mathrm{\Σ}}{\mathrm{\α}}_i{\mathrm{\α}}_{j}K\left(x_i,x_j\right)}---\left(5\right)$

3.根據(jù)權(quán)利要求1所述的一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程故障檢測方法，其特征在于：所述步驟二，具體包括：

讀入待檢測間歇過程數(shù)據(jù)，構(gòu)造待檢測樣本z，z與單個訓(xùn)練數(shù)據(jù)樣本具有相同的監(jiān)測變量個數(shù)J；由式(6)計(jì)算z的球心距kd_z，該球心距為待檢測樣本z到球心的核距離；

${\mathrm{kd}}_z=\sqrt{1-2\underset{i\∈s}{\mathrm{\Σ}}{\mathrm{\α}}_{i}K(z,x_i)+\underset{i,j\∈s}{\mathrm{\Σ}}{\mathrm{\α}}_i{\mathrm{\α}}_{j}K(x_i,x_j)}---\left(6\right)$

式中，α_i為步驟一計(jì)算所得拉格朗日乘數(shù)，x_i為步驟一所使用的訓(xùn)練樣本。

4.根據(jù)權(quán)利要求1所述的一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程故障檢測方法，其特征在于：所述步驟三，具體包括：

使用待檢測樣本z與支持向量x_i∈s之間的核函數(shù)值作為度量量，表征待檢測樣本與支持向量在高維空間中位置的相似性，為間歇過程故障檢測動態(tài)控制限的選擇提供依據(jù)；由式(7)計(jì)算核相似度權(quán)重w_kel

w_kel＝K(x_i∈s,z) (7)

由式(8)對核相似度權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，獲得核相似度權(quán)值

${\hat{w}}_{kel}=\frac{w_{kel}}{\underset{l=1}{\overset{L}{\Σ}}{w}_{kel}\left(l\right)}---\left(8\right)$

由式(9)計(jì)算得到待檢測樣本z對應(yīng)的間歇過程故障檢測動態(tài)閥值，即每個支持向量的球心距與待檢測樣本的核相似度加權(quán)求和，得到的動態(tài)檢測邊界R_z；

$R_z={\hat{w}}_{kel}{R}^T---\left(9\right)$

式中，R^T為步驟一計(jì)算所得支持向量超球球心距集合R的轉(zhuǎn)置。

5.根據(jù)權(quán)利要求1所述的一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程故障檢測方法，其特征在于：所述步驟四，具體包括：

根據(jù)步驟二、步驟三獲得的待檢測樣本球心距kd_z和動態(tài)檢測邊界R_z，由式(10)判斷該樣本點(diǎn)的超球球心距是否超出了該點(diǎn)對應(yīng)的動態(tài)控制限；當(dāng)滿足式(10)時，則判斷該樣本點(diǎn)存在故障，間歇過程存在故障；反之，則判為間歇過程正常；

kd_z-R_z＞0(10)。