[發明專利]基于自回歸全潛結構投影模型的產品質量監測方法

無效

• 申請號: 201310106569.1
• 申請日: 2013-03-28
• 公開（公告）號: CN103245759A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 文成林;苑天琪
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06F19/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

技術領域

本發明屬于質量監測領域，主要涉及一種基于自回歸全潛結構投影模型的產品質量監測方法。

背景技術

保持穩定的高質量產品對于一個工廠來說是非常重要的。常用的方法是監測和控制關鍵的質量變量來保證產品質量。然而，質量監測過程中最棘手的問題是難以對質量變量進行實時在線測量，如石油產品中的組分、化學反應器中的反應物濃度以及聚合反應物中的分子量等等。由于技術或經濟上的原因，無法通過常規的傳感器進行直接測量，通常采用人工定時采樣、實驗室檢測等方法，耗時且存在一定的延遲。采用歷史數據建立軟測量模型是解決此問題的方法之一。然而傳統的基于偏最小二乘模型(PLS)的監測方法及其改進的基于全潛結構投影模型(T-PLS)的監測方法中由于采用了非線性迭代偏最小二乘算法(NIPALS)，求解過程復雜，且后者仍包含不適合用Q統計量來監控的較大方差的變化問題。

發明內容

本發明針對連續化工過程的質量變量不能在線測量或有較長時間延遲的情況，提出一種新的自回歸全潛結構投影模型(AR-TPLS)的質量監測方法。本發明主要用于檢測與質量變量有關的故障，同時還可以檢測過程變量中與質量變量無關的故障。本發明首先利用X與Y的回歸關系模型，提取出Y中和X有關的部分???????????????????????????????????????????????；其次利用引導X空間的分解，將經PCA分解后的得分矩陣作為過程變量樣本空間分解的第一部分的得分矩陣，體現X中和Y直接相關的部分；進而對過程樣本殘差進行PCA分解，提取出與Y無關的過程中含有較大方差變化的部分，剩余為過程噪聲；接下來再依據PCA原則分離出空間中含方差較大的子空間和變化較小的子空間。當在線測得過程數據時，利用過程數據預測質量，并將預測值投影到的主元空間和殘差空間中，以實現對質量變量的監測；同時考察在線過程數據在X殘差空間的變化，以實現對質量無關的過程變量的監測。其具體內容如下：

設輸入矩陣，由N個樣本組成，每個樣本包含n個過程變量；輸出矩陣同樣由N個樣本構成，每個樣本由m個質量變量構成。由于質量變量的變化通常由過程變量所引起，故X與Y之間存在一定的相關關系，?X與Y可被描述如下

??????????????????????(1)

其中代表X和Y相關信息的回歸系數矩陣，代表能夠由X所解釋的質量變量的變化，代表不能由X所解釋的部分，且滿足

??????????????????????(2)

這里和分別是X和的行向量。

由于

????????????????????(3)

因而，可以直接求出

?????????????????????????(4)

上式中，是的偽逆。

這樣可計算出與X有關的質量變量的變化

???????????????????????????????(5)

若要對質量變量進行在線檢測，可直接對進行在線監控，即首先利用訓練數據建立Y的預測值的主元模型，再利用在線測得的過程數據對Y進行預測，將預測值投影到主元子空間和殘差子空間中。分解如下

???????????????????????(6)

上式中是得分矩陣，是載荷矩陣，B是主元個數，主元個數由交叉驗證法來確定。衡量了能由過程變量所解釋的部分中方差變化較大的部分，適合用統計量來監測，而衡量了能由過程變量所解釋的部分中方差變化較小的部分，適合用Q統計量來監測，反映了與過程變量無關的殘差部分如傳感器變化等，常被用作對質量指標的離線分析。

監測質量變量中與X有關的變化就等效于監測過程變量中與Y有關的變化，然而本發明同樣可以監測過程變量中與Y無關的變化，此時可利用空間投影的思想把X投影到一個由直接決定的少數潛變量(t₁，t₂，…t_p)構成的低維空間中，為潛變量的個數，分解如下

?????????????????????????(7)

代表與Y有關的部分，代表與Y無關的部分。對進行PCA分解

?????????????????????????????????(8)

結合式(6)，X,Y可以寫成如下形式

?????????????????????????????(9)