[發明專利]由數據差異驅動的間歇過程雙維在線優化方法

在審

• 申請號: 201510824897.4
• 申請日: 2015-11-24
• 公開（公告）號: CN105334831A
• 公開（公告）日: 2016-02-17
• 發明（設計）人: 欒小麗;王志國;劉飛
• 申請（專利權）人: 江南大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種由數據差異驅動的間歇過程在線動態自學習與在線滾動誤差修正雙維在線優化方法，其特征在于該方法包括如下步驟：

步驟一：針對操作完整的間歇過程，按批次收集多批待優化變量和最終質量或產率指標數據；

步驟二：對步驟一中所收集的數據，按批次為變量進行主元分析并在主元模式圖中剔除奇異點，使得所有數據點在一個可信度之內；

步驟三：對步驟二中剔除奇異點后的剩余批次數據構造時段變量矩陣以及指標方差矩陣，再進行偏最小二乘(PLS)運算，生成PLS系數；

步驟四：利用攝動量計算公式獲取各時段變量的初始優化目標值：

J_i＝M_i+sign_i×3σ_i

此處的J_i，M_i和σ_i分別是第i個時段變量的優化目標值，均值和標準差；sign(i)是第i個時段對應的偏最小二乘(PLS)系數符號；

步驟五：將步驟四中所得各時段的初始優化目標值，按時段順序i＝1,2,…N依次排列，組合成一條針對整個批次過程的初始優化策略；

步驟六：在線收集新批次的時段變量C_i(k+1),i＝1,2,…N和指標變量數據Y(k+1)，按步驟四中的攝動量計算公式計算新批次數據下各時段變量的基礎優化目標值；

步驟七：將步驟六中所得各時段的基礎優化目標值，按時段順序i＝1,2,…N構成一個更新的基礎優化變量曲線；

步驟八：對步驟七中的基礎優化變量曲線，在每個時段加以在線滾動誤差校正，建立在線修正優化策略；

步驟九：將步驟八中所得各時段的修正優化目標值時段順序i＝1,2,…N依次計算并施加到過程中，直至整個批次過程操作結束。

2.根據權利要求1所述的由數據差異驅動的間歇過程雙維在線優化方法，其特征在于：所述步驟一中數據的收集時間間隔可以是等時間間隔或非等時間間隔，要保證在一個時間間隔內，過程的待優化變量沒有顯著變化，或不會對最終質量或產率指標有顯著影響。

3.根據權利要求1所述的由數據差異驅動的間歇過程雙維在線優化方法，其特征在于：所述步驟三的具體步驟為：

a)對步驟二中剔除奇異點后的剩余數據在時間軸上進行等間隔劃分或不等間隔劃分為N段；

b)將a)中劃分好的每個時間間隔包含的各批次數據表達為時段變量C_i,i＝1,2,…N；由多批次多時段構成的數據矩陣稱為時段變量矩陣L_p×N，p是批次數；將a)中所對應的每個批次質量或收率指標，稱為指標變量Y_p×1；

c)根據b)中的時段變量矩陣L_p×N和指標變量Y_p×1，分別計算協方差矩陣S_LL和聯合協方差矩陣S_LY；

d)對協方差矩陣S_LL和聯合協方差矩陣S_LY做主元分析并得到偏最小二乘(PLS)系數向量F_i,i＝1,2,…N；

e)對d)中的PLS系數變量元素，按符號大小進行分類，定義作用符號如下：

sign(i)=+1if Fi≥e0if|Fi|<e-1if Fi≤-e,i=1,2,...N]]>

其中e是對噪聲的閾值限定。