[發明專利]基于協同訓練LWPLS的青霉素生產過程的控制方法

在審

• 申請號: 201510745832.0
• 申請日: 2015-11-05
• 公開（公告）號: CN105425583A
• 公開（公告）日: 2016-03-23
• 發明（設計）人: 葛志強;包亮
• 申請（專利權）人: 浙江大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于協同訓練LWPLS的青霉素生產過程的控制方法，其特征在于，包括以下步驟：

(1)利用集散控制系統以及離線檢測方法，收集工業生產過程的數據，所述數據包括主導變量數據和輔助變量數據,所述主導變量數據為青霉素濃度,組成建模用的訓練樣本集。對于收集到的訓練樣本集，一部分為既包含主導變量數據也包含輔助變量數據的有標簽樣本,組成有標簽樣本集D∈R^K×J，其中，K為有標簽樣本集中采樣數據點的個數，J為有標簽樣本集中的變量個數，R為實數集；另一部分為只包含輔助變量數據的無標簽樣本,組成無標簽樣本集U∈R^N×M，其中，N為無標簽樣本集中采樣數據點的個數，M為無標簽樣本集中的變量個數，將這些數據存入歷史數據庫。

(2)將有標簽樣本集D按照生產批次進行分類,針對同一個生產批次中的有標簽樣本，沿著時間點方向對每一個樣本進行排列，得到新的數據矩陣，并對其進行預處理和歸一化，即使得各個過程變量的均值為零，方差為1，得到新的二維數據矩陣

(3)將步驟2得到的二維數據矩陣分割為自變量矩陣與因變量矩陣其中組成因變量矩陣的因變量數據為主導變量數據,即青霉素濃度；由此,該二維數據矩陣可以重新描述為：Σi=1KSi:(XiM,Yi);]]>

(4)利用步驟3得到的自變量矩陣與因變量矩陣并采用不同的距離度量方式來構造兩個不同的初始模型。假設樣本之間的距離為d，則相似度ω＝fun(d)分別表示為：

ω¹＝e^-d/10(1)

ω²＝3^-d/10(2)

由此我們可以獲得兩個不同的初始局部加權偏最小二乘模型LWPLS1和LWPLS2。

(5)首先，利用初始的模型LWPLS1(ω₁＝e^-d/10)對所有無標簽樣本進行預測，從無標簽樣本中選取一個置信度最高的樣本，與其預測值一起組成一個新的有標簽數據，將其加入到LWPLS2(ω₂＝3^-d/10)的訓練集中，再訓練出新的模型LWPLS2，再利用LWPLS2選取置信度最高的無標簽樣本，與其預測值一起組成一個新的有標簽數據，添加到LWPLS1的訓練集中更新LWPLS1，如此不斷迭代使用無標簽數據更新模型訓練數據，當達到終止條件時，終止迭代。

(6)將建模數據和各個模型參數存入歷史數據庫和實時數據庫中備用。

(7)收集新的過程數據，并對其進行預處理和歸一化。

(8)采用基于協同訓練算法的局部加權偏最小二乘方法對工業過程的變量進行預測，根據得到的預測值，對工業過程中的輔助變量數據進行調節，實現工業過程的控制。