（计算机应用技术专业论文）分布式多元统计监测系统的研究与实现.pdf

南京航空航天大学硕士学位论文 摘要 过程监测与故障诊断是工业过程工程中的一项重要任务，是保证生产过程 安全运行、提高生产效率的重要环节。多元统计过程控制方法与分布式对象技 术相结合运用在状态监测领域可以克服传统集中式状态监测的许多缺点和不足 ，具有重要的现实意义。 本文首先简单分析了多元统计过程监测技术和分布式对象技术的发展和研 究概况。多元统计过程介绍了三种主要的方法：主元分析法、偏最小二乘法和 核函数概率密度估计法。分布式对象技术主要介绍7 c o r b a 规范的发展现状 和理论体系以及各种分布式对象技术的比较。 然后设计并实现了一个结合多元统计过程控制方法，基于c o r b a 技术的 多客户端工业过程实时监测软件系统。该系统由数据采集、多元统计数据分析 服务端、监测界面客户端三部分组成，采用开放式结构具有良好的维护性和可 扩充性。 关键字：工业过程监测，分布式对象技术，多元统计过程控制方法，c o r b a 分布式多元统计状态监测系统的研究与实现 a b s t r a c t p r o c e s sm o n i t o r i n ga n df a u l td i a g n o s i si sa ni m p o r t a n ti s s u ei np r o c e s s i n d u s t r i e s i ti sa l s oak e y t e c h n i q u ef o rs a f eo p e r a t i o n a n d p r o d u c t i v i t y i m p r o v e m e n tf o rp r o c e s sp l a n t o n c et h ep r o c e s sm o n i t o r i n gu s i n gm u l t i v a r i a t e s t a t i s t i c a lp r o c e s sc o n t r o lt e c h n o l o g yi si m p l e m e n t e dw i t ht h ed i s t r i b u t e do b j e c t s o f t w a r et e c h n i q u e ，i th a sm a n y a d v a n t a g e s o v e rt r a d i t i o n a lc e n t r a l i z e ds t a t u s m o n i t o r i n gt e c h n o l o g y t h i st h e s i sa n a l y z e dt h em u l t i v a r i a t es t a t i s t i c a lp r o c e s sa n dd i s t r i b u t e do b j e c t t e c h n i q u e a b o u tm u l t i v a r i a t es t a t i s t i c a lp r o c e s s ，t h r e em e t h o d s a r ei n t r o d u c e d ： p r i n c i p a lc o m p o n e n ta n a l y s i s ，p a r t i a ll e a s ts q u a r e s ，k e r n e ld e n s i t ye s t i m a t i o n a b o u td i s t r i b u t e do b j e c tt e c h n i q u e ，t h es y s t e mi n f oa n dd e v e l o p m e n to fc o r b aa r e i n t r o d u c e dp a r t i c u l a r l y t h e n ，am u l t i c l i e n td i s t r i b u t e dp r o c e s sm o n i t o r i n gs y s t e mb a s e do nc o r b a i s d e v e l o p e dwu s i n g m u l t i v a r i a t es t a t i s t i c a lp r o c e s sc o n t r o l t e c h n o l o g y f o rp r o c e s s i n d u s t r i e s i nt e r m so ff u n c t i o n a l i t y ，i tc o n s i s t so ft h r e em o d u l a r ：d a t a c o l l e c t i o n ， c o m p u t i n gs e r v e r ，a n dc l i e n tg r a p h i c a li n t e r f a c e d u et ot h eo p e n i n gc h a r a c t e r i s t i c s o f t h es y s t e ms t r u c t u r e ，i to f f e r sa g o o dm a i n t a i n a b i l i t ya n de x t e n s i b i l i t y k e yw o r d s ：p r o c e s sm o n i t o r i n g ，d i s t r i b u t e do b j e c tt e c h n i q u e ，m u l t i v a r i a b l e s t a t i s t i c a lp r o c e s sc o n t r o l ，c o r b a i l 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研宄工作所取得的成果。 尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内 容。对本论文所涉及的研究工怍做出贡献的其他个人和集体，均己在文中以明确方式标j 、 本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅，可以将 学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论 文。 f 保密的学位论文在解密后适用本承诺书) 作者签名 日期 1 邑瓠 石， 南京航空航天大学硕士学位论文 1 1 引言 第一章绪论 随着科学技术的迅猛发展，当前各种大型工业系统在使用新技术、新材料 、新工艺等方面都有了很大的提高。这使得新一代的工业生产过程系统比以往 更加复杂，更加难以维护。因此，对现代化的工业生产过程进行监控和故障跨 断业已成为一门多学科相互交叉渗透的综合应用技术f l 】。 为了开发性能优异的监控诊断系统，顺利的完成各种在线监控和故障珍断 任务，对现有的故障诊断和监测技术进行研究和改进就成了必然要求。其中分 布式监控与故障渗断技术已成为了监控系统的发展方向。如美国推出的基于分 布式环境的新代计算机监控系统就有如下的特点1 2 1 ： 1 用积木式的结构，各功能模块化、标准化，使系统具有很强的扩展能 力。 2 多个子系统、分系统通过标准总线或通信网络构成分布式系统，并实 现测控数据的实时处理。 3 处理机内部及各子系统的互连采用多总线结构，以提高处理速率和效 率。 4 采用硬件预处理机，使大部分数据运算处理，如数据压缩、工程单位 转换等由处理机来完成，从而减轻主机负担，提高系统的实时性。 5 多数据流输入，可以满足不同类型数据接口，使分布式测控系统可以 为多种测控任务服务。 在现今，计算机技术已经很普及的情况下，国内不少监测系统都采用计算 机进行实时监控。但由于软件系统的开发严重依赖于开发人员，以至于用户对 每一套新应用系统都要重新学习其应用环境，且用户界面缺乏统一性和用户友 好性、系统维护困难且费用高、不便于各种应用的一体化、系统化的全局集成 等。 通过上面的分析可以看出，现有的监控系统存在着一些缺点：。 1 系统可扩展性差。因开发人员不同而异的应用系统不易扩展其功能、系 统的开发费用高、系统维护费高、更不便于系统集成。 2 用户界而不统。这样一来，操作人员每次接触到新的应用系统都要进 分布式多元统计状态监测系统的研究与实现 行培训学习，熟悉新的操作环境，培训费用高且花费时间多。 3 跨平台性差，系统对运行环境、操作平台的依赖性强，移植困难。 鉴于上述的缺点与不足，设计一种功能强大、图形界面下操作直观且用户 界面统一友好、又能利用现有的计算机通信技术进行远程监控的监控系统具有 重要的现实意义。 1 2 课题的理论知识来源 过程监测系统是一个在线提供生产过程是否正常、产品质量是否合格等过 程信息的决策支持系统。它通过采集过程中可表征系统特征及产品质量的可检 测参数信息，经过在线过程监测算法的判断，协助生产操作人员得出过程是否 安全可靠运行以及产品质量是否达到控制精度的结论；并且，当生产过程出现 异常情况时，过程监测系统能够迅速检测是否故障发生；同时提供可能的故障 原因及解决方案，以及设备的最优维护方案，并将过程运行信息存档分析，形 成经验案例，必要时可以实时更新过程监测模型”。 1 2 1 过程监测系统的主要目的和组成 1 过程监测的主要目的： 1 1 保证生产过程安全、可靠的运行； 2 ) 降低生产成本，减少事故发生率，减少过程维护费用。 2 过程监测系统的主要组成： 1 ) 获得可表征生产过程运行信息及产品质量的可检测参数； 2 、在线过程监测； 3 ) 在线故障诊断及定位； 4 ) 系统维护及监测模型的更新； 5 ) 过程运行信息的文件管理。 1 2 2 过程监测系统的常见算法 1 基于知识的方法 基于专家经验的方法。根据现场专家的丰富经验，建立一个生产过程运行 状态的知弘 库，运用合适的推理方法，根据现场的数据得出过程是否j t 常的结 论。 7 南京航空航天大学硕十学位论文 其优点是不依赖过程模型，但对于大型复杂的工业过程，无论是数据还是 每一控制回路的经验都很繁多，极可能会导致知以爆炸，使得整个推理过程陷 入瘫痪；另外，知识描述、因果分析、规则的建立及建立广义模型完全依赖领 域专家的个人经验和知识范围，因而很困难。 2 基于神经网络的方法 基于神经网络的过程监测算法需要大量的训练数据，这些数掘应该包含有 生产过程的各种状态下的过程特征。通过训练，可以得到生产过程正常时各过 程变量之间的相互关系以网络权值这种数据结构形式存储起来。依靠神经网络 能自动学习、自行分类等特点实现过程监测的功能。故障诊断可以通过将观测 到的故障与先前的故障特征比较而完成。其优点是适于分类，适合监测非线性 对象。缺点是训练速度比较慢，收敛性难以证明，同时不易收集包括各种故障 的训练数据【“。 3 多元统计控制方法 大多数复杂的工业过程虽然难以建立理论模型，但通常拥有丰富的过程可 检测变量，因而在监测过程时，我们可以利用过程中丰富的数据资源来提取生 产过程的运行信息及产品质量信息。用多元统计方法建立统计模型非常方便、 同时不要求详细的过程结构。随着近年来该思想进入连续过程监测领域，统计 过程监测方法在过程监测领域里赢得了人们的青睐。 其优点是无方向性，可以检测任何异常扰动造成的偏差，只依赖于历史正 常数据。缺点是在检测特定扰动时不如前两种方法，其无方向性的优点却给诊 断工作带来很多困难，为了进行具体的故障诊断必须和其他方法结合起来才能 提供可靠的诊断信息。1 4 1 i 扪。 1 2 3 分布式对象技术和多元统计方法相结合进行分布式过程监测 随着生产过程监控技术的发展，以及计算机在生产过程中的应用只益广泛 和深入，近年来涌现出了许多先进的状态监测技术。其中，多元统计过程控制 方法因为其预见性更强，更加适合现代化的生产过程，得到了持续的关注与发 展。 由于数据采集技术的发展，从生产过程中提取大量的变量越来越容易。如 果能够对所有变量实现全方位的监控的晒，是有可能及早发现子系统中的故障 的。而现在的问题是，如何将这些大量的变量进行处理和压缩，以便更d nt r 楚 3 分布式多元统计状态监测系统的研究与实现 、快速、准确地提取其中包含的信息。多元统计过程监控技术利用了高速计算 机的极强的处理能力，从大量相关的过程变量中提取出能反映被监控的大系统 的统计特性的敏感参数，这些统计参数的变化基本上能够反映整个系统的运行 状态。m s p c 技术基本上是一种数据驱动技术。它能对一个大系统的大量的具 有不同物理属性的、属于不同子系统的相关的过程变量测量数据进行一体化处 理。经过一体化处理后的信号被用来建模，使得m s p c 模型能对影响不同子系 统的故障有类似的敏感性。虽然m s p c 技术起源于计量经济学，而且目前在工 业生产中主要被应用于过程工业系统，但它的这一特点也可被用来监测复杂工 程动力学子系统的状态【1 1 。 c o r b a 是0 m g 组织在1 9 9 1 年提出的公用对象请求代理程序结构的技术规 范。c o r b a 有很广泛的应用，它易于集成各厂商的不同计算机，从大型机一 直到微型内嵌式系统的终端桌面，是针对大中型企业应用的优秀的中间件。它 能使服务器真正能够实现高速度、高稳定性处理大量用户的访问。c o r b a 的 底层结构是基于面向对象模型的，由o m g 接口描述语言( o m g i n t e r f a c e d e f i n i t i o nl a n g u a g e ，o m gi d l ) 、对象请求代理f o b j e c t r e q u e s t b r o k e r ， o r b ) $ n i i o p 标准协议( i n t e m e t i n t e r - o r bp r o t o c o l ，也称网络o r b 交换协议) 3 个关键模块组成。 c o r b a 的平台无关性很适合用于集成企业内的异类计算机系统，包括不 同供应商的不同硬件平台、操作系统、网络系统、程序设计语言或其他特性。 c o r b a 应用程序客户可运行在小至手持无线设备或嵌入式系统，大至大型计 算机的平台。c o r b a 支持多种现有的程序设计语言，并且支持在单个分布式 应用程序中混合适用这些语言。c o r b a 的最大特点是提供了在异类分布式环 境中对象之间高度的可互操作性，从而保证了建立在不同c o r b a 产品之上的 分布式对象可互相通信。大型企业不必强制规定所有开发的监测系统使用单一 的c o r b a 产品呻1 。 另外，c o r b a 的可靠、安全、稳定以及开发的方便等特性显然很适用于 大型工业工程系统的状态监测和故障诊断。用c o r b a 来丌发分布式过程监测 系统是传统的基于s o c k e t 通信的开发方式所不能比拟的，也比其他的分布式对 象技术女i j c o m d c o m 、j a v a 等具有很大的优越性。 d 南京航空肮大人学硕十学何论文 1 3 本文的研究内容与论文的组织 本文的章节及每一章节的主要内容如下： 第一章，绪论。简单介绍了课题的现实意义与理论知识来源，提出问题， 引出了本文研究的内容。 第二章，多元统计控制技术的相关理论研究与介绍，简单的介绍了多元统 计过程控制，对统计过程控制的分析方法加以介绍和总结，如主元分析、偏最 小二乘以及核函数概率密度估计方法等。介绍各种多元统计控制图及其应用， 并且阐述多元统计过程控制的一个重要应用就是对过程运行情况的监控以及对 过程各种故障的诊断。 第三章，分布式计算以及系统运用到的相关技术介绍。主要详细介绍了分 布式计算的概念以及一些理论，比较了各种分布式对象技术的优缺点。重点阐 述了c o r b a 这种分布式对象技术的发展和基本原理以及应用领域。 第四章，系统的设计。这是本文的重点，详细的说明了系统的丌发过程， 包括总体规划、需求分析、软件设计等。系统的三层客户服务端结构，丌发 步骤以及接口文件的设计，服务端的类模块设计，客户端的界面设计，数据流 程。最后总结了一下系统的特点。 第五章，系统的实现。包括开发工具的选择v i s i b r o k e r 的相关介绍，服务 端的具体类的函数实现，客户端的界面，客户端的各种图表显示和系统进行的 简单的综合测试。 第六章，总结。 分布式多元统计状态监测系统的研究与实现 2 1 概述 第二章多元统计过程控制 由于系统进行状态监测的核心原理就是多元统计过程控制方法，因此有必 要对其进行一定的阐述。 “多元统计过程控制”( m u l t i v a r i a t es t a t i s t i c a lp r o c e s sc o n t r o l ，m s p c ) 被 引入到状态监铡技术领域的主要目标是利用多元统计方法对生产过程进行监测 ，而并非对其进行控制。多元统计过程控制主要由主元分析法( p r i n c i p a l c o m p o n e n ta n a l y s i s ，p c a ) 、偏最小二乘法( p a r t i a ll e a s ts q u a r e s ，p l s ) 和核函 数估计( k e r n e l d e n s i t y e s t i m a t i o n ，k d e ) 等多元统计学中的各种方法组成。 这些统计方法最初被应用在社会学和经济学领域内，七十年代末，k o w a l s k i 等 人首次将p l s 用于化工问题p 】，其后包括p l s 在内的多元统计过程控制得到迅 速发展，目前国外对m s p c 在化工领域的应用的研究已经十分广泛。近些年已 有人进行了将它应用到其它工业系统中的研究降】，甚至还有少数学者对真正用 多元统计过程控制方法控制工业系统作了一定的尝试1 9 】。 多元统计过程控制技术最主要的特点是它们不需要对被控对象的运行机制 深入了解，只要有足够的、合适的统计数据就可以用多元统计过程控制技术建 立统计学模型并根据该模型进行状态监测；所以说多元统计过程控制技术是基 于观测数据的技术。通过利用高速计算机处理大量多重相关的过程变量观测数 据并从中提取系统的统计特性，多元统计过程控制技术无须了解系统的深层物 理机制就能对一个复杂工程系统的大量的具有不同物理属性的、属于不同子系 统的、多重相关的过程测量数据进行一体化数字建模，该模型可以较全面地概 括该复杂工程系统的行为特性，包括各子系统之间的相关、耦合等关系。 多元统计过程控制技术主要是通过对这些相关过程数据进行投射变换，在 一个低维的投射空间里获得一组数目大为减少的，相互独立的新变量，这些新 变量数目很少但却能够概括整个工程系统的行为特性；然后用它们建立数字模 型，通过比较模型和实际系统的统计行为来进行工程系统的综合状态监钡与敞 障诊断。 数掘降维是多元统计过程控制技术中的一个重要概念，它建立在如下的观 6 南京航空航天大学硕士学位论文 察基础上：在大多数工业过程中，虽然被监测的量很多，但真正的所谓的驱动 因素( d r i v i n gf a c t o r s ) 的数目往往要少的多。国外学者经研究指出：大多数情 况下工业过程中的驱动因素往往只有两三个。数据降维的目的就是通过数学处 理去除冗余信息，找出驱动因素。理想情况下，数据降维后所得数据与原数据 相比，所包含的有用信息量几乎不变，但是数据量大大减少，从而极大地减轻 进一步深入分析的计算量。由于数据降维舍弃了冗余信息，而系统噪声在经过 多元统计过程控制技术处理后往往体现为冗余信息，所以数据降维通常还能在 一定程度上起到降噪的作用。 尽管多元统计过程控制技术的优点很多，它也不可避免的有自己的缺点。 首先，由于它的核心忠想是对统计数据进行处理，所以要实现多元统计过程控 制必须对目标过程有一定的统计数据积累。其次，多元统计过程控制技术把采 集到的原始数据投影变换到一个新的数据空间中所得到的新变量并不是一些实 际的物理量，所以它们的物理意义往往难以描述。 总的来讲，多元统计过程控制技术为复杂系统的状态监控提供了一种思路 、一种相对而言较简单的方法，尽管有一些小的不足，但还是一种非常有效的 过程状态监测技术。 2 2 主元分析法 2 2 1p c a 简介 主元分析是由p e a r s o n ( 1 9 0 1 ) 最早提出来的。在研究对空间中的一些点进行 最佳拟合直线和平面时，他提出了主元分析的方法。f i s h e r 和m a c h e n z i e ( 1 9 2 3 ) 认为，主元分析在系统的响应方差分析方面的用途比在系统建模方面的用途大 。他们还提出t n i p a l s 算法的雏形，h o t e l l i n g ( 1 9 3 3 ) 对主元分析方法进行了改 进，使其成为了目前被广泛应用的方法。主元分析在不同的应用领域被冠以不 同的名称。如在数值分析领域被称为奇异值分解( s i n g u l a r v a l u e d e c o m p o s i t i o n ，s v d ) 干i i k a r h u n e n - l o e v e 扩展，在物理学领域中的h o t e l l i n g 变换 实际上指的就是主元映射。 主元分析的对象是样本点定量变量类型的数据表。其目标就是要对这 种多变量的平面数据作最佳综合简化。也就是说，要在力保数据信启、丢失最少 的原则下，对高维变量空间进行降维处理。p c a 通常用在测量数据包含在一张 7 分布式多元统计状态监测系统的研究与实现 表中的情况。在统计学中，通常认为数据集合变异( v a r i a n c e ) 的显著性代表 了该数据集合所包含信息量的大小，所以在p c a 方法以构造尽量少的相互正交 的新变量而且使新变量方差尽量大为变换准则。p c a 首先将原始数据变换到一 个新的正交空间。在这个新数据空间里，第一坐标轴方向上的方差最大，即变 换后得到的第一个新变量变异最大；第二主元与第一主元正交且方差第二大， 第三主元与第一、二主元都正交且方差第三大，其余变量依此类推。 虽然新空间的变量数与原始数据的变量数一样，但实践发现在大多数情况 下只需要前面少数几个新变量就占了方差总和的绝大部分；所以可以将其余的 变量忽略，而将保留下来的变量作为进一步分析对象，并称之为主元( 或主成 分) ，主元分析法因此而得名。实际上，省略所含信息量较少的变量就是多元 统计过程控制中高维数据降维的核心思想。显然，保留的主元个数是个关键的 参数，能否得到合理数目的主元关系到p c a 模型的精确度和可靠性。有几种不 同的方法可用来决定保留主元的个数，如平均根法、方差阈值法、裂棒法、交 叉校正法等，其中交叉校正法是最常用的方法 1 0 】。 2 2 2p c a 模型统计量 1 t 2 统计量 定义式： 7 12 = ( ，( 7 ) 2( 2 1 ) 其中f ：为第f 个主元的值，盯为p c a 模型中第i 个主元的标准差( s t a n d a r d v a r i a n c e ) ，口是保留的主元个数。 在系统为稳态时，t 2 表示了数据点到模型中心的距离( 建模时经过归化 后中心在原点) 因此t 2 的大小反映了新数据偏离币常状态的程度。建模时根 据正常状况下的数据求出t 2 统计量的置信区间，然后通过判断新数据的t 2 统计 量是否在该区间内就可以粗略的判断系统是否运行在正常状态。在实际工业中 ，一般假设认为系统服从正态分布。在这个前提下可以证明t 2 统计量服从自由 度为k ，( n k ) 的f 分唧，所以根据已知正常数据估计出该t 2 统计量的上口分位限就 可以作为报警线( u p p e r c o n t r o ll i m i t ) ，也就是说若系统正常则t 2 统计量值大 于上t 2 分位限的采样点数应占总数的( 1 0 0 a ) 左右；若新测得的数据中t 2 统计量值超出该上a 分位限的点数大大多于总数的( 1 0 0 口) 则表明系统可 能发生了故障j 。 8 南京航空航天大学硕士学位论文 2 ，q 统计量 定义式： 9 = ( 一- 1 ：，) 2 s ( 2 2 ) 其中n 为变量的个数，x ，为第i 个变量的测量值，i ，为根据p c a 模型由该 点的得分向量( i = a + l ，a + 2 一月) 回归出的第f 个变量，s 为第i 个输入变量的方差 ( v a r i a n c e ) 。若系统变量的数据结构发生变化则由得分向量丁回归而得的原始变 量的估计值与实际的输入变量值的差别就会较正常情况大，q 统计量也会随之 增大。因此o 统计量与t 2 统计量的作用在一定程度上恰好互补：q 统计量主要 监测输入变量的数据结构是否变化，p c a 模型是否仍适用；而t 2 统计量则主要 在变量相互关系结构未发生变化的前提下监测系统工作点的变化。通过对新的 测量数据进行t 2 和q 检验，即可判断被监测过程的状态是否发生了变化】。 2 3 偏最小二乘法 2 3 1 p l s 简介 偏最小二乘法最早由w o l d 于六十年代提出，英文全称为“p a r t i a ll e a s t s q u a r e ”或“p r o j e c t i o n t ol a t e n ts t r u c t u r e ”，翻译成中文即“偏最小二乘法” 或“潜结构投影法”。在文献中一般采用前一个名称，但其实二者分别描述了 偏最小二乘的两个主要特征之一：偏最小二乘法的实质是根据主成分提取的思 想将原始输入变量数据中相关程度最大的成分提取出来投影到新的数据空问( l a t e n ts t r u c t u r e ) ；然后用最小二乘法进行回归，而此最小二乘并非普通的最 小二乘回归，而是有偏估计，用一定的偏差作为代价换取估计的精度，正是因 此又将该方法被叫作偏最小二乘估计。p l s 模型的数学性质在参考文献【l2 】中有 详细的讨论，在此不再赘述。 2 3 2p l s 模型统计量 1 t 2 统计量与q 统计量 它们的意义与p c a 模型中的同名统计量意义相同，唯一的差别是t 2 统计量 与0 统计量的分析都是以输入变量的测量值为依据的，而根本没有用到系统的 输出变量。这在某些情况下是p l s 技术的优点，因为对于一个系统来说，描：输 9 分布式多元统计状态监测系统的研究与实现 出变量的值由于各种原因不能实时获得( 例如输出变量值的获取需要进行离线 的实验分析或是出于控制成本的目的而不可能大量测量) ，采用p l s 技术就可 以只通过监测与输出变量密切相关的输入变量预测出输出变量的状况。但是这 样做的一个显而易见的缺点是无法检测到只影响输出变量的故障，或者说无法 发现未反馈到控制回路的变量的异常。 2 s p e 统计量 定义式： 跚= ( y ，一s ? ( 2 3 ) 其中m 为输出变量的个数，y 为第f 个输出变量的测量值，p ，为根据p l s 模型由，预估出的第i 个输出变量，s j 为第f 个输出变量的方差。它的基本思想 与q 统计量类似：即通过监澳 p l s 模型对变量的预测精度的好坏来判断系统是 否故障。只不过q 统计量监测的是输入变量而s p e 监测的是输出变量，若系统 状态正常j j p l s 模型对输出变量的预估误差应稳定在某一水平，否则预估误差 将大大增大。当系统发生故障，系统输出变量与输入变量的相互关系发生变化 时，用原p l s 模型就无法正确地从输入变量估计出各输出变量的值，这时即e 将增大。所以即使输出变量未反馈到控制回路，只要它的值超出了下常范围 s p e 统计量一样能侦测到。 因此用p l s 方法进行状态监测时需分析三个统计量指标：0 统计量、丁2 统计量和s p e 统计量。根据各统计量的性质可以推断出它们不同表现的组合所 对应的不同异常情况。若7 2 统计量变，其余两个统计量不变：，2 统计量的变 化表明对p l s 模型影响较大的变量偏离了正常水平；而其余两个统计量不变说 明各输入变量间的相互关系以及输入变量与输出变量间的相关关系没变。这种 情况通常是系统的工作点异常偏移的结果。7 1 2 统计量与q 统计量变，s p e 统 计量不变：因为s p e 统计量不变，所以输入变量与输出变量间的关系未改变； 丁2 统计量变表明对p l s 模型影响较大的变量发生了变化；而p 统计量的变化 表明各输入变量相互间关系已与正常时候不一样；所以可能的情况是系统执行 机构故障但控制部分出现故障导致系统的运行模式与诈常情况不一致。若s p e 统计量变，r 2 统计量与q 统计量不变则可能是由于系统的控制部分仍然基本 工作正常但系统执行部分故障引起的。 1 0 南京航空航天大学硕七学位论文 2 4 核函数概率密度估计 2 4 1k d e 简介 核函数估计法( k d e k e r n e ld e n s i t ye s t i m a t i o n ) 是用来估计各采样点的联合 概率密度函数的。一般的概率密度估计法总是需要己知或事先假定总体的概率 分布函数而只是某些具体的参数值未知，例如在实际应用中常常假定数据总体 服从正态分布，然后通过对数据样本进行分析而估计出参数值，这即是参数估 计( p a r a m e t r i ce s t i m a t i o n ) 。而核函数估计法则属于非参数法概率密度估计( n o n - p a r a m e t r i ce s t i m a t i o n ) 的一种：除了一定的数据样本外，它不需要数据总 体的其它任何先验知识( 或是假定) 就可直接估计出总体的概率分布函数。核 函数密度估计法最早是f q f i x 提出来【l ，它可能是目前应用最广泛、数学研究 最多的概率密度估计法之一【。它实质上是对已知数据样本的分布进行统计 分析从而得出数据总体的经验概率分布函数( e m p i r i c a ld e n s i t yf u n c t i o n ) 的方法 其原理可以说有些类似于条形图( h i s t o g r a m ) 【1 3 1 。条形图作为一种简单、直 观的统计图表，得到了广泛应用。其实条形图就是最常见、最古老的密度估计 法之一。假设给定原点x o 和条形的宽度( b i n w i d t h ) a ，则条形图的条格为 x o + m h ，x 0 + ( m + 1 ) h 】。已知数据样本落在不同条格内的个数即反映了数据总体 在不同区域的分布。由此可以得到最简单的概率密度估计公式： r 。1 - 土。! 堕垄旦二叁整塑塑皇塑! ( 2 4 ) 一月 ( 该条格的宽度) 多元核函数估计的公式如下： m ) 。赢乏足( h “( x x ，) ) ( 2 5 其中x = ( x i i , x j = ：t ，屯，+ ) 是系统的桃过程变量组成的向量， d o = x l ，x 2 ，x 。 为一个数据样本，助mx 卅的平滑因子( s m o o t h p a r a m e t e r ) 矩阵。实践证明，核函数x ( x ) 的形式对f ( x ) 的估计精度影响不 大，可以视方便而选，最常用的核函数有多元正态分布等。但是平滑因子矩阵 则非常重要，进行核函数密度估计的关键就在于选取适当的平滑因子。为了计 算平滑因子，一般采用交叉校正法：确定某一性能指标作为代价函数，然后求 出令代价函数最小的平滑因子作为k d e 建模使用的平滑因子。平滑因子矩阵是 个实对称矩阵 分布式多元统计状态监测系统的研究与实现 h = 匪 它具有m ( m + 1 ) 2 个不刊的圳子需要计算，凶此用交叉校币法确定平卅凶 子矩阵的计算任务将非常繁重。为了减少计算量，将h 简化为只有m 个待定参 数的对角矩阵： h = d i a g ( h l ! ，h ；，h 。：)( 2 - 6 ) 甚至是进+ 步简化到只有个待定参数的矩阵： h = 自2 i 1 2 7 1 其e ? i ) 白- mx t r l 的单位矩阵1 4 1 1 剐。 2 4 2k d e 相关分析圈 1 联合概率控制限图( q c c h a r t ) 联合概率控制限蚓是以各数据点的联合概率值为纵坐标值的时洲审列h 。 秤该图上i - j 时画出系统的安全控制限，即根甜实际需耍确定的置f 弃限，如9 5 年d 9 9 ，这样就可以非常方便直接地判断系统是否处于正常状态。为了便于观 察，一般对各采样点的概率密度函数值进行非线性变换，压缩正常点之间的距 离而拉仲异常点的问距并使得芹常点处r 置信限之上“。具体示例如图2 1 ： o1 0 0 2 1 j t 16 0 0砌05 0 06 0 07 0 0l 9 0 f l o t l o 幽2 1 联合概率摊制戳幽 2 联合概；辑等高罔( p d fc o n t o u r ) 1，j一 麻 砖 南京航空航天大学硕士学位论文 联合概率等高图则是将观测值的时间序列和置信限同时投影到主元空间的 某一平面上而形成的二维等高图。如图2 2 ，虚线为9 5 置信限等高线，所有 在虚线以内点的概率都在9 5 置信限以上。实线为9 9 置信限。咳图的优点是 直观，尤其是在主元维数较低的时候，工作人员通过观察浚图能够很方便的了 解到各时刻系统状态的在主元空间的分布状况。但它的一个主要缺点是，随着 主元空间维数的升高，全面反映系统分布所需的图将会越来越多，以至失去直 观性。例如当主元空间为三维时需要三张图，当主元空间为四维时则需要六张 图。另一个缺点是由于投影过程中会丢失部分信息，当主元空间维数较高时联 合概率等高图的精确性会受到影响。不过无论如何，联合概率等高图对工作人 员评估系统状态以及初步查找故障有重要参考价值。所以应当将联合概率控制 限图和联合概率等高图结合使用，取长补短【4 i 5 j f 2 。 2 0 2 4 图2 2 联合联合概率密度等高幽 1 3 分布式多元统计状态监测系统的研究与实现 第三章分布式对象技术 3 1 计算模式的变迁 传统计算模式的特点就是计算任务的集中。在计算机应用的早期，用来进 行主要科学计算，当时计算机硬件成本占整个系统的比重非常大，计算机科学 研究的任务是如何提高主机的运行速度。随着计算机应用的普及，企业成为了 计算机应用的主体，为了满足不断发展的计算要求，人们提出了各种方案，在 硬件方面：提高c p u 的运算速度，提高存储器的速度，提高i 0 速度，采用流 水线技术等；在软件方面：采用多任务操作系统，引入批处理程序，进行各种 方式的优化等。其目的都在于尽量提高计算机的运行效率。从计算机技术在企 业应用的几十年里，主要经历了以下的计算模式【l “。 3 1 1 主机+ 终端模式 这种计算模式硬件上的典型结构是主机+ 终端。主机是一个具有很强运算 与存储能力的计算机，终端基本上是一个用户操作接口，本身无计算能力，如 键盘、显示器等。这样的计算环境是一个封闭的环境。在某些系统中，主机计 算能力不足，无法及时完成任务：而在有些系统中，主机计算能力过剩，造成 资源浪费。 在这种模式结构下，程序只能运行在主机上。整个系统往往是一个单独的 应用程序，程序包含了所有的计算过程，包括数据的输入输出，数据的处理。 应用愈复杂，程序就愈大，系统设计开发的难度也就愈大。在设计阶段要求设 计人员必须面面俱到，从复杂的逻辑结构中整理出程序设计文档；在开发阶段 ，软件丌发人员之间的协作比较困难；在测试和维护阶段，对软件的局部改动 都会影响到整体7 j 。 六七十年代，随着计算机硬件成本的降低，尤其是小型机和p c 机的出现 ，使计算机的应用逐渐开始普及。网络的出现，使各种数据资源分布在不同的 机器上，用户对资源共享的要求同益提高。这阶段出现了文件服务器，系统以 文件的方式提供共享资源，用户可以通过网络直接存取这些文件。这种计算模 式仅仅实现了有限的资源共享，未能在应用层上达到分枷式的计算，这一方面 南京航空航犬大学硕士学位论文 是软件技术仍停留在集中式计算模型上，更重要的原因是网络技术还没有成熟 ，没有能够提供- - g e 规范的访问接口，无法在其基础上开发具有通用性的应用 1 2 9 1 。 例31 主机+ 终端模式 31 2 客户服务模式 c s 结构的计算模式，是一种简单的分布式计算模型，它大大推动了计算 机应用的发展。在这个阶段软件技术已经从集中式发展到模块化和面向对象， 网络技术日趋成熟，出现了标准的网络调用接口，使分布式计算有了坚实的基 础。客户机具有计算能力，客户机与服务器直接连接，请求特定的服务，服务 器响应请求，处理后返回给客户机。经过十几年的发展，这, 十c s 计算模式已 经相当成熟，在实际应用中取得了非常好的效果。但是随着计算机网络的进一 步发展，计算机应用要求的提高，c s 模式已经越来越力不从心，显示出了严 重的弊端【2 9 】。 在这种结构下，软件模型的工作过程是这样的：客户端主动提出请求，通 过网络传递到指定的服务器，服务器接受请求进行计算并返回计算结果。服务 端通常进行数据维护，集中存储计算，客户端进行人机交互，进行业务规则的 处理。这种模型带来的问题在于由于客户端处理业务规则，特别是在业务多变 ，职责交叉的环境中，系统开发会出现互相重叠甚至矛盾冲突的情况，使得系 统难以维护管理，可扩充性不好。如果客户端任务过多，增加了系统维护与管 理的复杂度，如果过分集中在服务端，又降低了系统的灵活性，无法实现应用 通过网络分布化的要求。另外由于服务器是事先指定并且是唯一的，往往成为 系统的瓶颈，而且这种结构不支持异构数据库之间的互操作，难以支持复杂的 应用环境【3 2 。 多层客户机j j 务器( m u l t i t i e rc l i e n t s e r v e r ) 模式是简单两层c s 模式的 发展。两层结构的c s 模式下，用户界面与后台数据被明确的区分丌束，根掘 分布式多元统计状态监测系统的研究与实现 需要，业务处理逻辑放在客户端或者数据库服务器端。但是随着应用的发展， 业务逻辑越来越复杂，放在客户端将导致程序变得庞大难以维护，放在数据库 服务端会导致服务器负载过重。因此提出了把业务逻辑处理层独立出来的多层 c s 模式，这种多层结构建立了一种针对分布式应用系统的软件建模模型。当 然实现多层c s 模式的应用开发仅仅依靠两层c s 结构的开发环境是不够的，必 须有各种支持工具和环境才能实现口“。 客户端( 用户界面) + 中间层( 业务逻辑) 服务端( 数据计算维护) 图32 客户服务模式 3 1 3 分布式对象模式 随着网路结构的复杂化，分布式应用结构也相应变得越来越复杂，如果仍 采用过程化的思想，系统会变得难以设计，对象技术的发展解决了这个问题。 对象具有封装性、继承性和多态性，能够支持软件的重用，并易于扩充，能够 较好的适应复杂大系统不断发展和变化的要求。对象具有的这些特点使之非常 适合在分布的网络环境中构造应用。分布式对象模式是对多层c s 模式的扩展 ，使得在l a n w a n i n t e m e t 上的应用更加便于设计和开发，为了支持分布式 对象模式，目前又有多种分布式对象环境：d c o m ，c o r b a ，e j b 等，目前在分 布式对象领域的主要研究重点在于提高效率，提高可靠性。 3 2 分布式对象技术 3 2 1 分布式对象技术简介 分布对象技术是伴随网络而发展起来的一种面向对象的技术。它始于9 0 年 1 6 南京航空航天大学硕士学位论文 代初，已经发展成为当今分布式异构环境下建立应用系统集成框架和标准构件 的核，d 技术，已经在企业集成、集成化的分布式系统管理、软件构件技术等方 面发挥重要作用【3 “。 分布式对象技术将分布在网络上的资源按照对象的概念来组织，每个对象 都有定义清晰的访问接口。对象不仅提供服务、能够被访问，而且自身也可能 作为其他对象的客户。分布式对象技术提供了白顶向上实现分布式系统开发的 途径。分布式对象技术强调对象的“即插即用”，即能从所提供的二进制软件 对象组件库中获取最合适的对象构造系统，高度重用现有成熟的可执行的软件 代码。分布式对象计算就是从系统集成与分布式处理要求中提出来的一种可行 的解决方案俐。 。 分布对象计算技术的基础是中间件( m i d d l e w a r e ) 设施。中间件是一种位于 客户机服务器的操作系统和应用系统之间，独立的系统软件或服务程序，管理 计算资源和网络通讯，屏蔽底层通讯和远程交互的细节，将透明的接口呈现给 应用，实现对象在网络环境下的透明分布的软件系统。中间件技术的引入，使 得构件与环境的隔离，独立性更强，为构件组装，尤其是运行级的构件组装提 供了支持平台，实现了可插拔、可替换、可复用构件化开发 3 4 1 。 3 2 2 流行的分布式对象技术 目前国际上，分布式对象技术有三大流派c o r b a 、c o m d c o m 和 j a v a 。c o r b a 技术是最早出现的，1 9 9 1 年o m g 颁布了c o r b a1 o 标准，在当 时来说做得是非常完美的；再有就是m i c r o s o f t 的c o m 系列，从最初的c o m 发 展成现在的d c o m ，形成t m i c r o s o f l - - 套分布式对象的计算平台：而s u n 公司 的j a v a 平台，在其最早推出的时候，只提供了远程的方法调用，在当时并不能 被称为分伟式对象计算，只是属于网络计算里的一种接着推出的j a v a b e a n ，也还不足以和上述两大流派抗衡，而其目前的版本n q j 2 e e ，推出了e j b ( e n t e r p r i s ej a v a b e a n s ) ，除了语言外还有组件的标准以及组件之间协同工作通 讯的框架。于是，也就形成了目前的三大流派 3 4 】。 应该说，这三者之中，c o r b a 标准是做的最完善。c o r b a 标准主要分 为3 个层次：对象请求代