基于特征提取典型相关分析的污泥膨胀检测方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 广州中国科学院沈阳自动化研究所分所

	基于特征提取典型相关分析的污泥膨胀检测方法
	黄志鹏 1; 刘乙奇 1; 黄道平 1; 于广平 2
	2021
会议日期	2021年7月30日-8月1日
会议地点	山西太原
关键词	特征提取典型相关分析污泥膨胀故障检测
页码	386
英文摘要	在我国,约有九成以上的城市污水处理厂和超过半数的工业污水处理厂采用活性污泥法来去除污水中的有机物和营养物质。活性污泥法的稳定运行离不开正常的泥水分离,然而,污泥膨胀的发生常常会阻碍正常的污泥分离和回流,从而使得出水水质恶化,大面积水体污染,乃至整体污水处理系统瘫痪。因此,及时发现和有效预估污泥膨胀对污水处理过程尤为重要。基于多元统计分析的故障诊断方法避免了复杂的机理建模过程,因而得到了广泛的应用。主成分分析(PCA)是目前基于多元统计过程的故障诊断方法的核心,其主要思想是通过线性变换降维构成一个新的低维空间,并使得低维空间能尽可能地包含更多原始信息,从而可以用少数变量解释原始数据空间。由于污水处理过程的监测数据往往呈现非高斯、非线性的特性,变量间存在复杂的相关性、高阶统计特性,基于PCA的故障诊断方法并不能很好地解决实际污水处理过程中的过程监测问题。近年来,基于典型相关分析(CCA)的故障诊断方法也越来越成为研究的重点。基于CCA的故障检测方法是PCA的进一步延伸拓展,它借鉴了PCA的思想,最大化两组变量之间的相关性,并在每组变量中都适当构造若干个有代表性的综合性指标(即主元),通过考察这些指标的相关性来反映两组原始变量间的相关性。然而,在污泥膨胀的早期阶段,整个污水处理系统的运行过程相对比较稳定,由上述方法构造的平方预测误差(SPE)统计量所包含的故障信号不够明显,常常导致早期污泥膨胀检测效果不够稳定,甚至难以被检测,最终导致故障的漏报问题。针对上述问题,本文提出了一种基于波峰因数(CF)、偏度(SK)、脉冲因子(IMI)、余隙系数(CLI)、方根幅值(SRAV)、绝对均值(AMAV)的特征提取方法,将其分别与传统的CCA方法相结合,推导出新的统计量。保留SPE时间序列第一个值不做任何处理,然后依次计算时间区间[1,2]、[1,3]、[1,4]…[1,t]内的统计量的值,并连同时间序列第一个值,按顺序构成新的时间序列,作为新的统计量。将这6个统计指标分为两类,第一类指标包括CF、SK、IMI和CLI,它们属于有量纲的统计量;第二类指标包括SRAV和AMAV,定义为两个统计量的比值,属于无量纲的统计量。由于它们的统计特征不相同,对故障的敏感程度也不同,因此需要以不同的方式与CCA结合。首先,对训练集的SPE时间序列特征提取,并计算出新的CCA控制限,然后利用建立好的CCA模型计算出实时监测数据的SPE时间序列,再对其进行特征提取。对于第一类统计量,只需直接对原始SPE时间序列进行特征提取;对于第二类统计量,需要将训练集的SPE时间序列与实时观测数据的SPE时间序列合并,再特征提取得出新统计量。最后将得出新的统计量(SPECF、SPESK、SPEIMI、SPECLI、SPESRAV、SPEAMAV)用于检测污泥膨胀。为了验证所提出方法的有效性,由北京某采用活性污泥法的污水处理厂提供的数据进行验证,将提出的方法与CCA进行了比较。结果表明,由传统CCA得出的SPE统计量的误报率为5%,漏报率为69.2%,检测准确率仅为38.6%;而新统计量的检测效果稳定且改善明显,故障诊断准确率均在90%以上(最低为93.25%,最高为99.38%)。其中,SPEAMAV的检测性能最好,几乎能在污泥膨胀发生的第二天就发生报警。此外,工作人员能够根据统计量的值判断出污泥膨胀的严重程度,并采取相应的对策。从上述结果可以看出,所提出方法具有更好的性能。
源文献作者	中国自动化学会过程控制专业委员会、中国自动化学会
产权排序	2
会议录	第32届中国过程控制会议(CPCC2021)论文集
语种	中文
内容类型	会议论文
源URL	[http://ir.sia.cn/handle/173321/30215]
专题	沈阳自动化研究所_广州中国科学院沈阳自动化研究所分所
通讯作者	黄志鹏
作者单位	1.华南理工大学自动化科学与工程学院 2.广州中国科学院沈阳自动化研究所分所
推荐引用方式 GB/T 7714	黄志鹏,刘乙奇,黄道平,等. 基于特征提取典型相关分析的污泥膨胀检测方法[C]. 见:. 山西太原. 2021年7月30日-8月1日.