[發(fā)明專利]由數(shù)據(jù)差異驅(qū)動的間歇過程雙維在線優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201510824897.4
• 申請日: 2015-11-24
• 公開（公告）號: CN105334831A
• 公開（公告）日: 2016-02-17
• 發(fā)明（設計）人: 欒小麗;王志國;劉飛
• 申請（專利權(quán)）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(shù)據(jù)差異驅(qū)動的間歇過程在線動態(tài)自學習與在線滾動誤差修正雙維在線優(yōu)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(yōu)化變量和最終質(zhì)量或產(chǎn)率指標數(shù)據(jù)；

步驟二：對步驟一中所收集的數(shù)據(jù)，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(shù)據(jù)點在一個可信度之內(nèi)；

步驟三：對步驟二中剔除奇異點后的剩余批次數(shù)據(jù)構(gòu)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(shù)；

步驟四：利用攝動量計算公式獲取各時段變量的初始優(yōu)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(yōu)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(shù)符號；

步驟五：將步驟四中所得各時段的初始優(yōu)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(yōu)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(shù)據(jù)Y(k+1)，按步驟四中的攝動量計算公式計算新批次數(shù)據(jù)下各時段變量的基礎優(yōu)化目標值；

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

步驟八：對步驟七中的基礎優(yōu)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(yōu)化策略；

步驟九：將步驟八中所得各時段的修正優(yōu)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(jié)束。

2.根據(jù)權(quán)利要求1所述的由數(shù)據(jù)差異驅(qū)動的間歇過程雙維在線優(yōu)化方法，其特征在于：所述步驟一中數(shù)據(jù)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(nèi)，過程的待優(yōu)化變量沒有顯著變化，或不會對最終質(zhì)量或產(chǎn)率指標有顯著影響。

3.根據(jù)權(quán)利要求1所述的由數(shù)據(jù)差異驅(qū)動的間歇過程雙維在線優(yōu)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(shù)據(jù)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(shù)據(jù)表達為時段變量C_i,i＝1,2,…N；由多批次多時段構(gòu)成的數(shù)據(jù)矩陣稱為時段變量矩陣L_p×N，p是批次數(shù)；將a)中所對應的每個批次質(zhì)量或收率指標，稱為指標變量Y_p×1；

c)根據(jù)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(xié)方差矩陣S_LL和聯(lián)合協(xié)方差矩陣S_LY；

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

e)對d)中的PLS系數(shù)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。