[發明專利]基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法、裝置及存儲介質

有效

• 申請號: 202010194359.2
• 申請日: 2020-03-19
• 公開（公告）號: CN111427265B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 黃科科;文昊飛;陽春華;朱紅求;李勇剛
• 申請（專利權）人: 中南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;C02F1/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法，其特征在于，包括：

1)利用歷史采集的來源固定的重金屬廢水處理數據樣本，構建來源固定的重金屬廢水處理數據樣本的離線字典；

2)利用歷史采集的來源未知的有效重金屬廢水處理數據樣本，對離線字典進行遷移學習，獲得來源未知的有效重金屬廢水處理數據樣本對應的擴展字典；

3)利用擴展字典，計算來源未知下的有效重金屬廢水處理數據樣本的重構誤差，并基于所述重構誤差，利用核密度估計獲得重金屬廢水處理過程工況中的控制限；

4)計算待監測數據y_t在擴展字典D^TD下的重構誤差，若計算得到的重構誤差小于控制限，則認為當前重金屬廢水處理過程未出現異常，否則，則認為當前重金屬廢水處理過程出現異常；

所述來源固定的重金屬廢水處理數據樣本的離線字典的構建過程如下：

步驟1.1：歷史樣本采集；

利用傳感器采集來源固定的重金屬廢水處理歷史樣本，來源固定的樣本集合為Y^SD；y_i表示來源固定的第i個重金屬廢水處理歷史樣本，1≤i≤N_s，每個樣本包含m個廢水指標{pH值、電流密度、電導率、初始重金屬濃度、流量}，N_s表示Y^SD中包含的樣本個數；

步驟1.2：依據稀疏表示原理，利用字典D₁和稀疏編碼X表示Y^SD，構建離線字典學習的目標函數，并通過求解離線字典學習的目標函數，獲得Y^SD對應的最優初始字典D^SD，以及與D^SD對應的稀疏編碼X^SD；

其中，字典D₁的初始取值為從歷史樣本集合Y^SD中隨機選取的K個樣本按列排列形成的矩陣，K＝10*m，T為稀疏編碼矩陣中的每一列非零元素個數設定值，和||·||₀分別表示二范數和零范數；x_i表示X中的第i列；

所述利用歷史采集的來源未知的有效重金屬廢水處理數據樣本，對離線字典進行遷移學習，獲得擴展字典的過程如下：

利用傳感器采集來源未知的有效重金屬廢水處理歷史樣本，來源未知的有效樣本集合為Y^TD；依據稀疏表示原理，利用初始字典D^SD和對應的稀疏編碼X表示Y^TD，構建未知來源后重金屬廢水處理數據樣本對應的稀疏編碼的目標函數，通過遷移學習，求解獲得來源為未知的有效樣本集合Y^TD對應的最優稀疏編碼X^p，再利用X^p獲得對應的最優字典；

其中，D_p表示遷移學習過程中的插值字典，D_p的初始值表示來源固定的重金屬廢水處理數據樣本的離線字典對應的最優初始字典D^SD，即當p＝0時，D₀＝D^SD；T為稀疏編碼矩陣中的非零元素個數設定值，和||·||₀分別表示二范數和零范數；x_i表示X中的第i列。

2.根據權利要求1所述的方法，其特征在于，采用K-SVD方法對所述離線字典學習的目標函數進行求解，不斷更新字典D₁和稀疏編碼X，直到獲得Y^SD對應的最優初始字典D^SD。