[發明專利]一種基于縮減KPLS模型的PTA生產過程軟測量方法

有效

• 申請號: 202010570652.4
• 申請日: 2020-06-13
• 公開（公告）號: CN111914214B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 藍艇;請求不公布姓名
• 申請（專利權）人: 寧波大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F18/23213;G06F18/22;G06F18/214;G01D21/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于縮減KPLS模型的PTA生產過程軟測量方法，其特征在于，包括以下步驟：

首先，離線建模階段包括如下所示步驟(1)至步驟(4)；

步驟(1)：利用PTA生產裝置安裝的測量儀表，連續采集N個過程數據x₁，x₂，…，x_N，并通過離線分析儀器測量得到相同采樣時刻的N個醋酸消耗量數據記作向量y∈R^N×1，其中第i個采樣時刻的過程數據x_i∈R^m×1由m個采樣數據組成，具體包括：進料流量與進料溫度，分餾塔回流量，從回收塔回收的流量，蒸汽流量，塔頂部和底部產品流量，各關鍵層塔板的溫度，i∈{1，2，…，N}；

步驟(2)：根據如下所示公式對x₁，x₂，…，x_N和y分別實施標準化處理，得到N個m×1維的數據向量和一個輸出向量

上式中，均值向量μ_x＝(x₁+x₂+…+x_N)/N，δ_x為標準差向量，μ_y與δ_y分別為向量y的均值與標準差，符號./表示向量對應元素相除；

步驟(3)：對N個數據向量進行篩選，從而保留n個代表性的數據向量z₁，z₂，…，z_n，其中n＜N，具體的實施過程如步驟(3.1)至步驟(3.6)所示；

步驟(3.1)：初始化i＝1；

步驟(3.2)：按照歐式距離的大小，從N個數據向量中為搜尋出C個歐式距離最小的數據向量，并記錄成其中i∈{1，2，…，N}；

步驟(3.3)：根據如下所示公式計算的法向量f_i；

其中c＝1，2，…，k，表示計算與之間的歐式距離；

步驟(3.4)：根據如下所示公式計算邊緣點指標ζ_i：

上式中，θ_ci為二進制數，其取值規律如下所示：

其中，上標號T表示矩陣或向量的轉置；

步驟(3.5)：判斷是否滿足條件i＜N；若是，則設置i＝i+1后，返回步驟(3.2)；若否，則按照數值大小對邊緣點指標ζ₁，ζ₂，…，ζ_N進行降序排列，并將最大的n₁個邊緣點指標所對應的數據向量依次記錄為其中n₁≤n/2；

步驟(3.6)：利用k-均值聚類算法將N個數據向量聚類成n₂＝n-n₁個聚類簇，并將各個聚類簇的中心向量記錄成

步驟(4)：利用z₁，z₂，…，z_n建立縮減KPLS模型，具體的實施過程如步驟(4.1)至步驟(4.4)所示；

步驟(4.1)：根據如下所示公式計算核矩陣K∈R^n×n中第a行第b列的元素K(a，b)：

其中，δ為核參數，通常可取δ＝100m，a∈{1，2，…，n}，b∈{1，2，…，n}，R^n×n表示n×n維的實數矩陣；

步驟(4.2)：根據如下所示公式計算核矩陣J∈R^N×n中第i行第b列元素J(i，b)：

其中，i∈{1，2，…，n}，b∈{1，2，…，n}；

步驟(4.3)：根據如下所示公式對J實施中心化處理得到后，再初始化

上式中，矩陣II_N∈R^N×n中所有元素都是1，矩陣II_n∈R^n×n中全部元素都是1，R^N×n表示N×n維的實數矩陣；

步驟(4.4)：根據公式計算回歸系數向量θ；

其次，離線建模階段完成后，即可按照如下所示步驟對PTA生產過程中醋酸消耗量進行實時軟測量；

步驟(5)：在最新采樣時刻t，利用PTA生產裝置所安裝的測量儀表測量得到由m個采樣數據組成的數據向量x_t∈R^m×1，并對其實施標準化處理得到數據向量

步驟(6)：根據如下所示公式計算核向量k_t∈R^1×n中的第b個元素k_t(b)：

上式中，b∈{1，2，…，n}，R^1×n表示1×n維的實數向量；

步驟(7)：根據公式計算t采樣時刻的輸出估計值再計算從而得到t采樣時刻醋酸消耗量的軟測量值y_t；

步驟(8)：返回步驟(5)繼續實施對下一最新采樣時刻的醋酸消耗量的軟測量。