一種基于張量全局-局部保持投影的間歇過程在線監控方法，包括以下步驟：1）選擇正常批次數據，建立訓練樣本集；建立移動數據窗口，得到k時刻窗口內的數據將標準化為Xk；對Xk執行張量全局-局部保持投影算法，得到投影矩陣U和V；建立監控模型Yk=UTXkV，計算k時刻樣本批次的SPE統計量；計算SPE統計量的控制限；2）記錄監控批次在k時刻窗口內的數據將其標準化為把映射到監控模型，計算SPE統計量；檢查SPE是否超限；如果超過，進行故障診斷，否則繼續監控k+1時刻。本發明專利技術通過集成張量全局-局部保持投影和移動數據窗口技術，能同時挖掘數據全局和局部特征、有效避免數據展開引起的信息損失、準確性良好。
【技術實現步驟摘要】
ー種基于張量全局-局部保持投影的間歇過程在線監控方法
本專利技術涉及過程監控領域，具體涉及ー種間歇過程監控方法。
技術介紹
目前，間歇過程在生物制藥、食品加工、精細化工、冶金及造紙等行業中被廣泛采用。間歇過程由于受多エ序、多變量、反應復雜、エ序運行時間不確定、產品頻繁更換等多種因素的影響，發生異常エ況的概率較高。一旦出現異常エ況，就有可能產生連鎖反應，導致生產能力下降和產品質量波動，嚴重情況下甚至可能損壞設備，造成人員傷亡和環境污染，影響企業的可持續發展。如何保障間歇過程安全可靠地運行并產出質量穩定的產品，已成為過程エ業界關注的焦點。過程監控作為保障エ業過程生產安全和產品質量的有效手段，自20世紀中后期以來愈來愈受到眾多學者的重視。與連續エ業過程類似，間歇過程的過程監控方法大致可劃分為三類:基于定量數學模型的方法、基于知識的方法和基于數據驅動的方法。基于數學模型的方法和基于知識的方法依賴于精確的過程模型以及大量生產經驗和過程知識，實施困難、通用性較差。基于數據驅動的方法以多變量統計分析理論為基礎，僅利用過程數據進行建模和監控，操作簡單、實施方便，是目前間歇過程監控領域的研究熱點。由于基于數據驅動的過程監控方法是基于過程數據來建模的，對數據中所包含的結構信息挖掘是否充分將直接影響過程監測的效果。然而，現有的大多數方法是基于傳統多元統計分析方法(例如PCA)發展而來的，它們僅關注了數據的全局結構信息，即方差信息，而對于數據的局部結構信息，即數據之間的拓撲關系，沒有給予足夠的重視，導致監控效果不是很理想。近年來，出現了部分基于流形學習算法(例如LPP)的過程監控方法，這些方法與傳統多元統計分析方法正相反，它們雖然能夠充分挖掘數據的局部結構信息，卻忽略了數據的全局結構信息。目前，能夠同時對數據的全局結構和局部結構進行分析和特征提取的算法是比較匱乏的。另ー方面，間歇過程的生產數據具有獨特的三維數據集結構形式，利用傳統的多向多元統計方法(例如MPCA、MPLS和MLPP等)分析間歇過程數據時，需先將三維數據集展開成ニ維矩陣，才能進行分析和建摸。然而，數據展開不僅會破壞原有數據的空間相關性，引起結構信息損失，而且容易造成“維數災難”，嚴重影響過程監控效果。
技術實現思路
為了克服現有間歇過程監控方法僅關注數據全局或局部特征、數據展開時存在信息損失、準確性較差的不足，本專利技術通過集成張量全局-局部保持投影和移動數據窗ロ技術，提供ー種能同時挖掘數據全局和局部特征、有效避免由數據展開引起的信息損失、準確性良好的基于張量全局-局部保持投影的間歇過程在線監控方法。本專利技術所采用的技術方案是:，所述監控方法包括以下步驟:I)建立間歇過程的離線監控模型，由以下步驟實現:(1.1)選擇間歇過程的正常批次數據X1(KXJ), XJKXJI'XJKXJ)，...,X1(KXJ),建立訓練樣本集本文檔來自技高網...
【技術保護點】
一種基于張量全局?局部保持投影的間歇過程在線監控方法，其特征在于：所述監控方法包括以下步驟：1）建立間歇過程的離線監控模型，由以下步驟實現：（1.1）選擇間歇過程的正常批次數據X1(K×J),X2(K×J),…,Xi(K×J),…,XI(K×J)，建立訓練樣本集其中I是正常批次的個數，K是采樣點個數，J是變量個數；（1.2）選擇移動數據窗口的長度l，得到在k時刻窗口內的數據樣本X‾k(I×l×J)={X1k,X2k,···,Xik,···,XIk},其中為：（1.3）將標準化為具有零均值和單位方差的數據Xk(I×l×J)；（1.4）對Xk(I×l×J)執行張量全局?局部保持投影算法，得到投影矩陣U和V，具體過程如下：①利用k近鄰方法確定樣本集Xk(I×l×J)中各樣本點的鄰域分別求取鄰接權系數Wij和非鄰接權系數分別構造樣本集的鄰接權矩陣W和非鄰接權矩陣②迭代求解如下兩個廣義特征值問題分別得到一組特征向量{vi,i=1,2,…,J}和{uj,j=1,2,…,K}：MUv＝λNUv?????????????????????（3）MVu＝λNVu?????????????????????（4）其中MU=(DU-WU)-(D‾U-W‾U),NU=D~U+IJ,MV=(DV-WV)-(D‾V-W‾V),NV=D^V+IK,DU=ΣiDiiXiTUUTXi,Dii=ΣjWij,WU=ΣijWijXjTUUTXi,D‾U=ΣiD‾iiXiTUUTXi,D‾ii=ΣjW‾ij,W‾U=ΣijW‾ijXjTUUTXi,DV=ΣiDiiXiVVTXiT,WV=ΣijWijXiVVTXjT,D‾V=ΣiD‾iiXiVVTXiT,W‾V=ΣijW‾ijXiVVTXjT,D~U=ΣiD~iiXiTUUTXi,D^V=ΣiD^iiXiVVTXiT,D^ii=0.5Dii-0.5D‾ii,D~ii=0.5Dii-0.5D‾ii,IJ和IK為單位矩陣；③利用得到的特征向量構造投影矩陣V=[v1,v2,…,vJ]和U=[u1,u2,…,uK]；（1.5）建立k時刻的監控模型：Yk=UTXkV????????????（5）利用下式分別計算所有正常批次在k時刻的SPE統計量：SPE=Σkj=1lJekj2=Σkj=1lJ(xkj-ykj)2---(6)式中xjk為變量j在k時刻的采樣值，yjk為xjk的投影值，可由式（5）計算得到；（1.6）在置信水平為1?α的情況下，利用χ2分布計算SPE統計量的控制限：SPEα=gχh,α2,g=vm,h=2m2v---(7)式中m和v分別是所有正常批次的SPE統計量的均值和方差。2）進行在線監控，由以下步驟實現：（2.1）記錄當前監控批次在k時刻移動窗口中的數據利用離線建模過程中得到的k時刻的均值和方差標準化該窗口數據，得到（2.2）把標準化后的窗口數據映射到監控模型，計算k時刻的SPE統計量；（2.3）檢查SPE統計量是否超過其控制限；（2.4）如果統計量超過控制限，進行故障診斷，否則繼續監控k+1時刻。FDA0000411763270000011.jpg,FDA00004117632700000117.jpg,FDA00004117632700000116.jpg,FDA0000411763270000013.jpg,FDA0000411763270000014.jpg,FDA0000411763270000015.jpg,FDA0000411763270000016.jpg,FDA0000411763270000017.jpg,FDA0000411763270000018.jpg,FDA0000411763270000019.jpg,FDA00004117632700000110.jpg,FDA00004117632700000111.jpg,FDA0000411763270000025.jpg,FDA0000411763270000026.jpg,FDA0000411763270000027.jpg...
【技術特征摘要】
1.一種基于張量全局-局部保持投影的間歇過程在線監控方法，其特征在于:所述監控方法包括以下步驟: I)建立間歇過程的離線監控模型，由以下步驟實現: (I.I)選擇間歇過程的正常批次數據X, (K X J)，X2 (K X J)，…，Xi (K X J)，…，X1 (K X J)，建立訓練樣本集又(/X欠AS,..X...,;?，其中I是正常批次的個數，K是采樣點個數，J是變量個數； (1.2)選擇移動數據窗口的長度1，得到在k時刻窗口內的數據樣本 2.根據權利要求1所述的ー種基于張量全局-局部保持投影的間歇過程在線監控方法，其...
【專利技術屬性】
技術研發人員：羅利佳，包士毅，高增梁，
申請(專利權)人：浙江工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。