[發(fā)明專利]基于潛變量過程遷移模型的修正自適應(yīng)批次過程優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201810126743.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108388218B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 褚菲;沈建;王潔;程相;張道明;常俊林
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 樓高潮

1.一種基于潛變量過程遷移模型的修正自適應(yīng)批次過程優(yōu)化方法，其特征在于，包括以下步驟：

獲取舊批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)，并獲取新批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)；

根據(jù)所述舊批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)、所述新批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)建立潛變量過程遷移模型；

在以所述新批次過程進(jìn)行生產(chǎn)時(shí)，根據(jù)所述潛變量過程遷移模型和當(dāng)前批次的最優(yōu)輸入數(shù)據(jù)獲取當(dāng)前批次的預(yù)測輸出數(shù)據(jù)，并根據(jù)所述潛變量過程遷移模型和當(dāng)前批次的輸入數(shù)據(jù)獲取下一批次的最優(yōu)輸入數(shù)據(jù)；

根據(jù)所述當(dāng)前批次的最優(yōu)輸入數(shù)據(jù)和實(shí)際輸出數(shù)據(jù)對所述潛變量過程遷移模型進(jìn)行更新；

根據(jù)所述新批次過程中多個(gè)批次的預(yù)測輸出數(shù)據(jù)和實(shí)際輸出數(shù)據(jù)判斷所述新批次過程的穩(wěn)定性是否滿足要求；

如果所述新批次過程的穩(wěn)定性滿足要求，則對所述舊批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)進(jìn)行部分?jǐn)?shù)據(jù)的剔除，

根據(jù)所述舊批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)、所述新批次過程的輸入數(shù)據(jù)和輸出數(shù)據(jù)建立潛變量過程遷移模型，具體包括：

獲取所述舊批次過程的輸入數(shù)據(jù)、所述新批次過程的輸入數(shù)據(jù)按照批次方向展開得到的輸入數(shù)據(jù)矩陣X_a、X_b，并獲取對應(yīng)的所述舊批次過程、所述新批次過程的輸出數(shù)據(jù)矩陣Y_a、Y_b，其中，X_a、X_b中的元素為操作變量，Y_a、Y_b中的元素為產(chǎn)品質(zhì)量變量，X_a∈R^M×i、X_b∈R^N×j、Y_a∈R^M×m、Y_b∈R^N×m，其中，M、N分別為舊批次過程和新批次過程的樣本數(shù)，i、j分別為舊批次過程和新批次過程的操作變量個(gè)數(shù)，m為質(zhì)量變量個(gè)數(shù)；

對所述輸入數(shù)據(jù)矩陣X_a、X_b和所述輸出數(shù)據(jù)矩陣Y_a、Y_b進(jìn)行標(biāo)準(zhǔn)化處理以建立所述潛變量過程遷移模型，

對所述輸入數(shù)據(jù)矩陣X_a、X_b和所述輸出數(shù)據(jù)矩陣Y_a、Y_b進(jìn)行標(biāo)準(zhǔn)化處理以建立所述潛變量過程遷移模型，包括：

a)分別將Y_a、Y_b的第一列賦值給u_a、u_b，其中u_a、u_b分別為所述舊批次過程的輸出數(shù)據(jù)矩陣的得分向量、所述新批次過程的輸出數(shù)據(jù)矩陣的得分向量；

b)將X_a、X_b回歸到u_a、u_b以計(jì)算回歸系數(shù)w_a、w_b，即：

w_a＝X_a^Tu_a(u_a^Tu_a)^-1,w_b＝X_b^Tu_b(u_b^Tu_b)^-1；

c)標(biāo)準(zhǔn)化所述回歸系數(shù)w_a、w_b，即：

d)將聯(lián)合輸出矩陣回歸到聯(lián)合得分向量t_J以得到Y(jié)_J的聯(lián)合負(fù)載向量q_J，即：

q_J＝Y(jié)_J^Tt_J(t_J^Tt_J)^-1；

e)將Y_a、Y_b回歸到q_J以重新計(jì)算u_a、u_b，并通過與u_a、u_b的初始值做比較以判斷u_a、u_b的收斂性，如果不收斂，則使用重新計(jì)算得到的u_a、u_b的值并返回步驟b；

f)如果收斂，則計(jì)算X_a、X_b的負(fù)載向量p_a、p_b：

p_a＝X_a^Tt_a(t_a^Tt_a)^-1、p_b＝X_b^Tt_b(t_b^Tt_b)^-1，

其中，t_a、t_b分別為當(dāng)前所述舊批次過程、所述新批次過程的輸出數(shù)據(jù)矩陣X_a、X_b的得分向量；

g)根據(jù)X_a＝X_a-t_ap_a^T、X_b＝X_b-t_bp_b^T對X_a、X_b進(jìn)行更新，然后返回步驟a提取下一個(gè)主成分，重復(fù)步驟直至提取到預(yù)設(shè)數(shù)量的主成分；

h)獲得所述新批次過程的輸入數(shù)據(jù)矩陣X_b對應(yīng)的負(fù)載矩陣P_b＝[p_b1，…，p_bA]、回歸系數(shù)矩陣W_b＝[w_b1,...,w_bA]以及聯(lián)合輸出矩陣Y_J對應(yīng)的負(fù)載矩陣Q_J＝[q_J1,...,q_JA]；

i)得到所述潛變量過程遷移模型：

其中，為預(yù)測輸出數(shù)據(jù)，x_new為新的輸入數(shù)據(jù)，

根據(jù)所述潛變量過程遷移模型和當(dāng)前批次的輸入數(shù)據(jù)獲取下一批次的最優(yōu)輸入數(shù)據(jù)，具體包括：

根據(jù)公式和公式計(jì)算當(dāng)前批次的預(yù)測輸出數(shù)據(jù)與當(dāng)前批次的實(shí)際輸出數(shù)據(jù)的梯度，其中，σ_y為質(zhì)量變量的標(biāo)準(zhǔn)差，σ_u為輸入變量的標(biāo)準(zhǔn)差，為回歸系數(shù)矩陣，Δ為增量符號，x_(k)為當(dāng)前批次的最優(yōu)輸入數(shù)據(jù)，x_(k-1)為上一批次的最優(yōu)輸入數(shù)據(jù)；

求解基于修正的潛變量過程遷移模型預(yù)測值的最優(yōu)化問題，得到下式，并求得下一批次的最優(yōu)輸入數(shù)據(jù)x_(k+1)，

其中，為標(biāo)準(zhǔn)化的當(dāng)前批次的輸入數(shù)據(jù)，T為聯(lián)合得分矩陣，c_pf為輸入數(shù)據(jù)的閾值，是一個(gè)根據(jù)歷史數(shù)據(jù)計(jì)算得到的常數(shù)，為經(jīng)過線性修正的當(dāng)前批次的預(yù)測輸出數(shù)據(jù)，為對象性能指標(biāo)，為包含輸入變量和輸出變量的約束條件，為第k個(gè)批次預(yù)測值的回歸系數(shù)向量；

判斷當(dāng)前批次的輸入數(shù)據(jù)與求得的下一批次的最優(yōu)輸入數(shù)據(jù)之差的范數(shù)是否小于預(yù)設(shè)閾值；

如果小于所述預(yù)設(shè)閾值，則將當(dāng)前批次的輸入數(shù)據(jù)作為下一批次的最優(yōu)輸入數(shù)據(jù)；

如果不小于所述預(yù)設(shè)閾值，則根據(jù)公式x_(k+1)＝(I-K)x_(k)+Kx_(k+1)+g·ρ_(k+1)產(chǎn)生新的下一批次的最優(yōu)輸入數(shù)據(jù)x_(k+1)，并將該新的下一批次的最優(yōu)輸入數(shù)據(jù)作為所述下一批次的最優(yōu)輸入數(shù)據(jù)，其中，I為N階單位矩陣為對角線增益矩陣，ρ_(k+1)為激勵信號，g為根據(jù)輸入數(shù)據(jù)矩陣元素的幅值大小選取的振幅，

根據(jù)所述當(dāng)前批次的最優(yōu)輸入數(shù)據(jù)和實(shí)際輸出數(shù)據(jù)對所述潛變量過程遷移模型進(jìn)行更新，具體包括：

根據(jù)所述當(dāng)前批次的最優(yōu)輸入數(shù)據(jù)和實(shí)際輸出數(shù)據(jù)x_(k)、y_(k)更新所述新批次過程的輸入數(shù)據(jù)矩陣和輸出數(shù)據(jù)矩陣X_b、Y_b：

根據(jù)更新后的數(shù)據(jù)X_b(k)、Y_b(k)建立新的潛變量過程遷移模型。