[發明專利]基于JY-MKPLS的間歇工業過程在線質量預測方法

在審

• 申請號: 201911088664.7
• 申請日: 2019-11-08
• 公開（公告）號: CN110794782A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 褚菲;彭闖;王嘉琛;王琦;尚超;陸寧云;趙峻;張淑寧;賈潤達;熊剛
• 申請（專利權）人: 中國礦業大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 32205 北京淮海知識產權代理事務所(普通合伙)
• 代理人: 劉振祥

1.一種基于JY-MKPLS的間歇工業過程在線質量預測方法，其特征在于，包括兩套完全一樣的的生產設備，兩套生產設備的內部參數設置各不相同；一套為新投入生產的生產設備，其具有a過程，另一套為已經投入生產的生產設備，其具有b過程；a過程為新投入生產的間歇過程，其投產時間短，數據較少，b過程為已經投入生產一段時間的相似的舊間歇過程，數據充足；a過程和b過程均具有J個過程變量，且每一個批次內有K個采樣時間點；對于a過程和b過程均收集I個批次數得到典型的間歇過程三維輸入數據X∈R^I×J×K和輸出數據矩陣為Y∈R^I×K；

具體包括以下步驟：

步驟1：將a過程、b過程的三維輸入數據按照批次方向展開成二維矩陣，得到二維輸入矩陣X_a、X_b；將a過程、b過程的三維輸出數據按照批次方向展開成二維矩陣，得到二維輸出矩陣Y_a、Y_b；

步驟2：對a過程、b過程的輸入矩陣X_a、X_b和a過程、b過程的輸出數據矩陣Y_a、Y_b進行標準化處理，即對各列進行零均值和單位方差處理；

步驟3：將輸入數據矩陣X_a、X_b利用非線性映射Φ:x_i∈Rⁿ→Φ(x_i)∈F從低維原始空間投影到高維特征空間F，并在高維特征空間中計算核矩陣K_a、K_b：其中核矩陣的計算公式采用不同尺度的高斯核函數組合

步驟4：標準化核矩陣K_a、K_b：

其中，I是I×I單位矩陣，1_I是矩陣元素都為1的I×I矩陣；

步驟5：對a過程和b過程的核矩陣K_a、K_b和輸出數據矩陣Y_a、Y_b運行JY-MKPLS算法，此時，輸入數據矩陣變為K_a、K_b，輸出矩陣依舊是Y_a、Y_b，對于從輸出矩陣Y中提取收斂的u_i，令i＝1，，K_ai，＝，K_a K_bi＝K_b Y_ai＝Y_a Y_bi＝Y_b，i代表提取的潛變量的序號，聯合輸出矩陣為Y_J＝[Y_ai；Y_bi]；具體步驟如下：

S1：從聯合輸出矩陣Y_Ji中提取任一列作為Y_ai、Y_bi的得分向量u_ai、u_bi的初始值，記：

S2：分別計算K_ai、K_bi的得分向量t_ai、t_bi；

S3:通過回歸分析得到聯合輸出變量的負載矩陣q_Ji：

其中，標準化后負載矩陣為：

計算Y_ai、Y_bi的得分向量u_ai＝Y^T_aiq_Ji，u_ai←u_ai/||u_ai||；u_bi＝Y^T_biq_Ji，u_bi←u_bi/||u_bi||，若兩個得分向量均收斂，則進行步驟6的計算，否則轉至步驟1；

步驟6：計算K_ai、K_bi的負載矩陣：

步驟7：b_i＝[u_ai；u_bi]^T[t_ai；t_bi]；

步驟8：

步驟9:令i＝i+1；重復步驟5到步驟9直至提取出A個主元；

步驟10：提取出全部主成分，計算輸入數據矩陣K的得分矩陣T、負載矩陣P、輸出數據矩陣Y的得分矩陣U、負載矩陣Q，具體如下：

T_a＝[t₁,K,t_A]，T_b＝[t₁,K,t_A]，P_b＝[p₁,K,p_A]，U_b＝[u₁,K,u_A]，Q_J＝[q₁,K,q_A]；

若輸出數據矩陣Y為單輸出變量，則JY-MKPLS模型的表達式如下：

其中，是a過程和b過程輸出變量的聯合矩陣，是a過程和b過程潛變量的聯合矩陣，是質量預測模型建立的最為關鍵的變量；

引入新的樣本k_new，k_new是新樣本x_new的核函數，可由下式計算得到：

k_new＝Φ(X)Φ(x_new)＝[k(x₁,x_new),K k(x_n,x_new)]^T；

其中,k_new也需要進行標準化處理,對k_new進行均值化可得：

其中，1_t＝1/n·[11K 1]^T∈Rⁿ；

步驟11：進行批次過程質量預測；開始一個新的生產批次，在線獲得新的輸入數據數據x_new，進行數據標準化和均值補齊，利用輸入數據x_new依據模型進行在線質量預測獲得預測值并依據預測結果改變生產操作參數以便優化生產；

步驟12：判斷該生產批次是否結束，若結束，在線獲得最新的輸出數據y_new，并計算該批次的預測誤差β_n，其中若沒有結束返回步驟11；

步驟13：模型預測誤差的檢驗；當過程的批次數大于2J次時，獲取除最新批次外所有的預測誤差β_n-1，當最新的批次預測誤差δ_n連續m次落在穩定區間內時，則進入步驟14，否則，進入步驟15；

步驟14：觀察數據替換是否完成，如果完成，則進入步驟15，直接填充新數據進行更新，否則，進行相似度的計算，剔除b過程中與a過程相似程度最小的b過程數據，用新產生的a過程數據對其進行替換，舊過程與新過程的相似程度用相似性θ(x_i)表示，利用歐式距離可求得θ(x_i)，公式如下：

式中，||·||為歐式距離，為新過程輸入數據的均值,θ(x_i)的取值范圍為0到1；

步驟15：進行模型更新，將該預測批次獲得數據添加到a過程原始數據中組成新的增廣矩陣X_a、Y_a，并返回步驟1，進行新批次的預測，具體公式如下：

直至所有批次預測結束。

2.根據權利要求1所述的一種基于JY-MKPLS的間歇工業過程在線質量預測方法，其特征在于，在步驟9中，主元個數A通過交叉驗證得到。