[發明專利]一種聚合反應過程的質量模式監測方法

有效

• 申請號: 201810258345.5
• 申請日: 2018-03-27
• 公開（公告）號: CN108549903B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 欒小麗;高爽;鄭年年;馮恩波;陳珺;劉飛
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G01D21/02
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉

1.一種聚合反應過程的質量模式監測方法，其特征在于，步驟如下：

步驟一：初始數據的采集與預處理

采集聚合反應過程中的原始特征信息，通過剔除異常數據、填充缺失數據、糾正錯誤數據和數據對齊的方式進行數據的預處理；

步驟二：質量模式指標的構建

(1)對步驟一中預處理之后的數據進行變量選擇，挑選出有效的、能反映系統行為和過程狀態的特征數據，同時剔除無效特征，以初步降低系統過程信息的特征空間維數；

(2)利用變換技術將步驟(1)得到的特征數據進行變換，得到綜合特征，并構建質量模式指標Y＝[Y₁,Y₂,L,Y_p]，再次降低系統過程信息的特征空間維數，其中Y中的p個特征數據是線性無關的；

步驟三：利用貝葉斯統計學習方法對構建的質量模式指標進行分類

(3)設有m個類C₁,C₂,L,C_m，針對質量模式指標Y，利用貝葉斯統計學習方法將未知的質量模式指標分配給類C_i，當且僅當：

P(C_i|Y)＞P(C_j|Y),1≤j≤m,j≠i (1)

其中，P(C_i|Y)為后驗概率，由公式(2)求取：

式(2)中，P(C_i)＝s_i/s為先驗概率，s_i是類C_i中的訓練樣本數，s是訓練樣本總數，為條件概率，P(Y₁|C_i),P(Y₂|C_i),L,P(Y_p|C_i)由訓練樣本估值，k＝{1,2,L p}；

(4)對質量模式指標Y進行判別，對于每個類C_i，計算P(Y|C_i)P(C_i)，質量模式指標Y被指派到類C_i，當且僅當：

P(Y|C_i)P(C_i)＞P(Y|C_j)P(C_j),1≤j≤m,j≠i (3)；

(5)定義C₁為高質量模式，C₂為低質量模式，計算

當l₁₂(Y)＞θ₁₂時，則聚合生產過程的運行狀態處于高質量模式；

當l₁₂(Y)＜θ₁₂時，則聚合生產過程的運行狀態處于低質量模式。

2.根據權利要求1所述的質量模式監測方法，其特征在于，所述的采集聚合反應過程中的原始特征信息包括反應溫度、引發劑濃度、蒸汽流量、壓力、轉化率、聚合速率。

3.根據權利要求1或2所述的質量模式監測方法，其特征在于，所述剔除異常數據的方式為3σ準則，填充缺失數據的方式為均值填充法。

4.根據權利要求1或2所述的質量模式監測方法，其特征在于，所述的變量選擇，采用的方法為窮舉法、隨機搜索法、啟發式搜索法或Lasso正則化方法。

5.根據權利要求3所述的質量模式監測方法，其特征在于，所述的變量選擇，采用的方法為窮舉法、隨機搜索法、啟發式搜索法或Lasso正則化方法。

6.根據權利要求1、2或5所述的質量模式監測方法，其特征在于，所述的變換技術是指主元分析、K均值聚類、貝葉斯統計學習或勢函數判別。

7.根據權利要求3所述的質量模式監測方法，其特征在于，所述的變換技術是指主元分析、K均值聚類、貝葉斯統計學習或勢函數判別。

8.根據權利要求4所述的質量模式監測方法，其特征在于，所述的變換技術是指主元分析、K均值聚類、貝葉斯統計學習或勢函數判別。