[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
地址：	214122 江蘇***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	數據差異驅動間歇過程在線優化方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明屬于化工流程制造業領域，涉及由數據差異驅動的間歇過程在線動態自學習與在線滾動優化方法。適用于包括間歇反應器、間歇精餾塔、間歇干燥、間歇發酵、間歇結晶以及其它采用間歇方式操作的過程和系統的操作軌線在線實時優化。

背景技術

間歇生產過程已被廣泛應用于生產高附加值產品，如藥物、生物材料、聚合物、電化學品等。然而在實際生產過程中，由于間歇過程本身的動態特性以及在同一設備上運行不同的批次所產生的各批次之間的操作條件的變化會導致產品質量不高或重復性差等問題出現，間歇過程的質量控制與優化對于間歇過程工業的發展有重要意義。

而間歇過程的優化問題主要是操作軌線優化問題，通常以提高產品的質量和產量為目標，獲取最優操作軌線。為了得到間歇過程的優化軌跡，一般采用離線優化方法得到過程可以運行的最佳軌跡，然而一旦過程變量出現變動時，如進料量的變化、過程的動態特性、參數的不確定性和各種擾動等，離線優化得到的優化軌跡就不再是最優的了，僅僅通過離線優化方法難以解決間歇過程優化問題。為保證產品質量的最優與穩定，在線實時地調整顯得極為必要。

發明內容

本發明針對間歇過程，采用數據差異驅動的方法，從在線動態自學習以及在線滾動誤差修正的角度，進行兩個維度下的操作軌線在線優化。在線動態自學習策略的使用實現了優化指標的持續改進，在線滾動修正策略使得所優化的操作軌線具有更好的適應性。

本發明為實現上述目的，采用如下技術方案：

本發明步驟分為三個部分。第一部分是初始數據收集和初始優化策略的建立。第二部分是建立在新批次數據基礎上的在線自學習算法和計算步驟。第三部分是在線優化策略的滾動校正。

初始數據收集和初始優化策略的建立步驟如下：

步驟一：針對操作完整的間歇過程，按批次收集待優化變量和最終質量或產率指標。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。一般要求20-30組有效數據。

步驟二：對所采集的數據，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：將剔除奇異點后的剩余溫度數據在時間軸上進行等間隔劃分或不等間隔劃分為N段。

步驟四：將每一個間隔所包含的各批次數據表達為一個連續變量C_i,i＝1,2,…N，這些變量被稱為分解后的時段變量。時段變量的值由待優化變量在一個特定時間區間的各個批次數據所組成。由多批次時段變量構成的數據矩陣稱為時段變量矩陣，記為L_p×N，p是批次數。

步驟五：將步驟四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。指標變量的值是由p個批次最終質量或收率形成的連續變量。

步驟六：根據步驟四和步驟五中形成的時段變量矩陣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。

步驟七：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。