本發(fā)明涉及造紙機(jī)故障檢測技術(shù)領(lǐng)域，特別是涉及一種基于造紙機(jī)濕端的主動故障檢測方法。

背景技術(shù)：

造紙工業(yè)生產(chǎn)過程直接催生了隨機(jī)分布系統(tǒng)概念的提出，并在其相關(guān)的領(lǐng)域飽受重視。隨機(jī)分布系統(tǒng)的控制對象是整個(gè)系統(tǒng)的輸出概率密度函數(shù)，其輸入、噪聲和故障類型并不一定服從高斯分布，其隨機(jī)變量是非高斯型的，不能用傳統(tǒng)的以輸出均值和方差為特性的控制方法。傳統(tǒng)的被動故障檢測方法需要系統(tǒng)的輸入-輸出測量值。

現(xiàn)有的主動故障檢測方法只針對模型參數(shù)不同時(shí)的參數(shù)故障的檢測，同時(shí)現(xiàn)有的非高斯隨機(jī)分布系統(tǒng)被動故障檢測方法檢測數(shù)據(jù)多，檢測閾值的設(shè)定沒有實(shí)際的依據(jù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種基于造紙機(jī)濕端的主動故障檢測方法，可以解決現(xiàn)有技術(shù)中存在的問題。

一種基于造紙機(jī)濕端的主動故障檢測方法，包括：

通過數(shù)字?jǐn)z像和圖像處理可以獲得造紙機(jī)濕端白水池內(nèi)絮凝顆粒的灰度分布圖，根據(jù)該灰度分布圖提取灰度分布的概率密度函數(shù)，用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)逼近其概率密度函數(shù)；

根據(jù)所述概率密度函數(shù)建立系統(tǒng)的狀態(tài)空間模型，經(jīng)掃描辨識法得到狀態(tài)空間模型的參數(shù)；

隨機(jī)選取概率密度函數(shù)中的未知輸入項(xiàng)，確定系統(tǒng)不確定項(xiàng)的橢球集合；

由橢球仿射變換性質(zhì)得到正常和故障后系統(tǒng)的輸出權(quán)值橢球，以在給定的測試周期內(nèi)，輔助信號對正常系統(tǒng)和故障后系統(tǒng)輸出集合的交集為空，并使所添加的輔助信號對系統(tǒng)的影響最小為目標(biāo)，計(jì)算求解最優(yōu)輔助信號；

將計(jì)算得到的輔助信號帶入系統(tǒng)進(jìn)行主動故障檢測。

優(yōu)選地，所述概率密度函數(shù)由下式給出：

γ(y,u(k))＝ω1(k)r1(y)+ω2(k)r2(y)+ω3(k)r3(y)+d(k)(1)

其中，y∈[0,1]，u(k)為控制輸入，ω1(k)、ω2(k)和ω3(k)均為權(quán)值，d(k)為包含模型不確定性、噪聲和外部干擾的未知輸入項(xiàng)，高斯型徑向基函數(shù)：

優(yōu)選地，由于線性徑向基函數(shù)其中則概率密度函數(shù)也表示為：

γ(y,u(k))＝r(y)v(k)+l(y)(3)

其中，v(k)為輸出權(quán)值。

優(yōu)選地，系統(tǒng)的狀態(tài)空間模型為：

其中，x(k)為系統(tǒng)的狀態(tài)向量，u′(k)為輔助信號，f(k)為系統(tǒng)發(fā)生的故障，經(jīng)掃描辨識法可得狀態(tài)空間模型的參數(shù)：

優(yōu)選地，步驟隨機(jī)選取概率密度函數(shù)中的未知輸入項(xiàng)，確定系統(tǒng)不確定項(xiàng)的橢球集合具體包括：

已知系統(tǒng)的初始狀態(tài)x(0)，未知輸入項(xiàng)d(k)所用的數(shù)據(jù)點(diǎn)從n個(gè)隨機(jī)數(shù)中選取m+1個(gè)，則系統(tǒng)的不確定項(xiàng)δ＝(x(0),d(0),...,d(m))^t屬于橢球集合：其中q為適當(dāng)維數(shù)的單位矩陣。

優(yōu)選地，由橢球仿射變換性質(zhì)得到正常和故障后系統(tǒng)的輸出權(quán)值橢球具體包括：

預(yù)測m步后的輸出權(quán)值：取m＝5，求得各參數(shù)：

在0到1之間選取6個(gè)隨機(jī)數(shù)作為未知輸入項(xiàng)，由橢球仿射變換性質(zhì)可得正常和故障后系統(tǒng)的輸出權(quán)值橢球?yàn)椋?/p>

其中，c1和c2分別為正常和故障后系統(tǒng)的輸出權(quán)值橢球的中心，p1和p2分別為控制正常和故障后系統(tǒng)的輸出權(quán)值橢球形狀的特征矩陣。

優(yōu)選地，以在給定的測試周期內(nèi)，輔助信號對正常系統(tǒng)和故障后系統(tǒng)輸出集合的交集為空，并使所添加的輔助信號對系統(tǒng)的影響最小為目標(biāo)，計(jì)算求解最優(yōu)輔助信號具體包括：

合適的輔助信號滿足：

求解得到最優(yōu)輔助信號：

其中，ηopt表示λopt對應(yīng)的特征向量。

本發(fā)明實(shí)施例提供的一種基于造紙機(jī)濕端的主動故障檢測方法，所設(shè)計(jì)的主動故障檢測方法針對存在未知但有界干擾的非高斯隨機(jī)分布系統(tǒng)，驗(yàn)證正常和故障系統(tǒng)輸出權(quán)值的交集是否為空來檢測系統(tǒng)是否發(fā)生了故障，能迅速而準(zhǔn)確地檢測出隱藏的故障并提高故障檢測性能。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種基于造紙機(jī)濕端的主動故障檢測方法的流程圖；

圖2為無故障時(shí)的檢測結(jié)果；

圖3為發(fā)生故障時(shí)的檢測結(jié)果。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參照圖1，本發(fā)明實(shí)施例中提供的一種基于造紙機(jī)濕端的主動故障檢測方法，該方法包括：

步驟100，通過數(shù)字?jǐn)z像和圖像處理可以獲得造紙機(jī)濕端白水池內(nèi)絮凝顆粒的灰度分布圖，根據(jù)該灰度分布圖提取灰度分布的概率密度函數(shù)，用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)逼近其概率密度函數(shù)。具體的概率密度函數(shù)由下式給出：

γ(y,u(k))＝ω1(k)r1(y)+ω2(k)r2(y)+ω3(k)r3(y)+d(k)(1)

其中，y∈[0,1]，u(k)為控制輸入，ω1(k)、ω2(k)和ω3(k)均為權(quán)值，d(k)為包含模型不確定性、噪聲和外部干擾的未知輸入項(xiàng)，高斯型徑向基函數(shù)：

由于線性徑向基函數(shù)其中則概率密度函數(shù)也可以表示為：

γ(y,u(k))＝r(y)v(k)+l(y)(3)

其中，v(k)為輸出權(quán)值。

步驟200，根據(jù)所述概率密度函數(shù)建立系統(tǒng)的狀態(tài)空間模型：

其中，x(k)為系統(tǒng)的狀態(tài)向量，u′(k)為輔助信號，f(k)為系統(tǒng)發(fā)生的故障，經(jīng)掃描辨識法可得狀態(tài)空間模型的參數(shù)：

步驟300，已知系統(tǒng)的初始狀態(tài)x(0)，未知輸入項(xiàng)d(k)所用的數(shù)據(jù)點(diǎn)從n個(gè)隨機(jī)數(shù)中選取m+1個(gè)，則系統(tǒng)的不確定項(xiàng)δ＝(x(0),d(0),...,d(m))^t屬于橢球集合：其中q為適當(dāng)維數(shù)的單位矩陣。

步驟400，預(yù)測n步后的輸出權(quán)值：取m＝5，求得各參數(shù)：

在0到1之間選取6個(gè)隨機(jī)數(shù)作為未知輸入項(xiàng)，由橢球仿射變換性質(zhì)可得正常和故障后系統(tǒng)的輸出權(quán)值橢球?yàn)椋?/p>

其中，c1和c2分別為正常和故障后系統(tǒng)的輸出權(quán)值橢球的中心，p1和p2分別為控制正常和故障后系統(tǒng)的輸出權(quán)值橢球形狀的特征矩陣。

主動故障檢測的策略為，在給定的測試周期內(nèi)，輔助信號對正常系統(tǒng)和故障后系統(tǒng)輸出集合的交集為空；并使所添加的輔助信號u′(k)對系統(tǒng)的影響最小。因此合適的輔助信號應(yīng)該滿足：

求解得到最優(yōu)輔助信號：

其中，ηopt表示λopt對應(yīng)的特征向量，帶入各參數(shù)可得：

步驟500，將計(jì)算得到的輔助信號帶入系統(tǒng)進(jìn)行主動故障檢測。圖2和圖3分別給出了無故障時(shí)的檢測結(jié)果和發(fā)生故障時(shí)的檢測結(jié)果，此時(shí)f(k)＝0.1。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學(xué)存儲器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲器中，使得存儲在該計(jì)算機(jī)可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。