Reconstruction based fault diagnosis using concurrent phase partition and analysis of relative changes for multiphase batch processes with limited fault batches

برای فرآیندهای دسته ای، اگر دسته های گسلی کافی در دسترس باشند، ویژگی های خطا را می توان به خوبی درک و استخراج کرد، و اطلاعات مهم را برای تشخیص خطا فراهم می کند. با این حال، گاهی اوقات مشکل است و ممکن است برای گرفتن هر گونه تقصیر به اندازه کافی مناسب باشد. بنابراین، چگونگی به دست آوردن اطلاعات خطا قابل اعتماد بر اساس دسته های محدود شده، یک مسئله مهم برای تشخیص خطا بوده است، اما هنوز به خوبی مورد توجه قرار نگرفته است. در این مقاله، از دسته محدودی گسل، این مقاله یک استراتژی تشخیص خطا را بر اساس تکنیک بازسازی فرایندهای چند مرحله ای ارائه می دهد. دو روش مهم مدل سازی با استفاده کامل از دسته های خطای محدود، پارتیشن بندی فاز همزمان و تجزیه و تحلیل تغییرات نسبی اعمال می شود. اول، برای هر مورد گسل، یک تکه زمان بندی عمومی به وسیله ترکیب چندین قطعه زمانی متوالی در یک ناحیه کوتاه مدت برای بررسی همبستگی های فرایند محلی ساخته می شود. خصوصیات زمانی متغیر وضعیت طبیعی و خطا سپس به طور مشترک تجزیه و تحلیل می شوند تا فاز های متوالی متعدد برای همه موارد گسل و مورد عادی به طور همزمان شناسایی شوند. سپس، در هر مرحله، مدل های نظارت از موارد نرمال با دسته های کافی توسعه می یابند و هر مورد گسل مربوط به حالت نرمال برای تحلیل نسبی برای کشف تغییرات نسبی (یعنی اثرات خطا) است. تجزیه تقسیم فضای جامع به اجرا درآمده است که در آن انحراف خطای مسئولان هشدار دهنده استخراج می شود و برای توسعه مدل های بازسازی خطا استفاده می شود که می تواند بخشی از خطا را بهبود بخشد و باعث شناسایی خطا شود. الگوریتم پیشنهاد شده از دسته های محدود می تواند به طور کارآمد تشخیص موارد مختلف گسل و ارائه عملکرد تشخیص خطا قابل اعتماد. با یک فرایند دسته ای چند مرحلهای، از جمله یک پرونده معمولی و سه مورد گسل با دسته های محدود، نشان داده شده است.