[發明專利]基于即時學習思想的工業過程運行狀態在線評價方法

有效

• 申請號: 202010635922.5
• 申請日: 2020-07-03
• 公開（公告）號: CN111813064B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 鄒筱瑜;潘杰
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于即時學習思想的工業過程運行狀態在線評價方法，其特征在于，包括以下步驟：

(1)在動態工業過程中獲取J個測量變量，每個測量變量測量I次，將得到的數據x_ji組成J行I列的數據矩陣X，x_ji表示X中第j行第i列的元素；

(2)根據下式對數據矩陣X進行標準化處理得到每列均值為0，方差為1的矩陣X：

其中，x_ji表示矩陣X第j行第i列的元素，是第j個變量的均值，c_j是第j個變量的標準差；

(3)將t時刻采集的待評價數據x_t進行步驟(2)的標準化處理得到數據x_t；

(4)構建初始建模樣本集ROS₀為：

ROS₀＝{x∈X|γ(x,x_t)≥σ}

其中，x表示矩陣X中的樣本；γ(x,x_t)表示x和x_t的相似度；σ為相似度閾值；

(5)構建建模樣本集ROS和等級評價模型，包括以下子步驟：

(5.1)通過下式在步驟(4)構建的初始建模樣本集ROS₀內篩選出建模樣本集ROS：

s.t.v_i∈{0,1}

其中，w為映射，x_i表示任意樣本；v_i＝1表示選擇x_i作為ROS中的數據點，v_i＝0表示不選擇x_i作為ROS中的數據點；表示ROS₀內的樣本點x_i在投影后與x_t的散度；k為樣本的等級，共有K個等級，表示ROS₀中等級為k的樣本點組成的集合；I₀為預設的樣本數目閾值；

(5.2)建立等級評價模型為：

s.t.w≠0

其中，在給定v_i的情況下等級內散度和等級間散度分別為：

其中，是在給定v_i的情況下第k個等級的中心，I_k是第k個等級的樣本數，是在給定v_i的情況下所有等級的中心，分別為：

(6)采用進化優化算法求解如下目標函數，得到使目標函數最優的v_i的組合和映射w：

s.t.v_i∈{0,1}

其中，δ是一個正則系數；針對特定的v_i，進化優化算法將求解目標函數最大化問題等價于求解下式中最大的拉格朗日乘子λ：

(S_w+δS_d)^-1S_bw＝λw

(7)對數據x_t進行運行狀態等級評價，包括以下子步驟：

(7.1)矩陣X中任一樣本x_i通過步驟(6)得到的w映射之后的得分t_i為：

t_i＝w^Tx_i

(7.2)樣本x_i在第k個等級下的中間統計量s_i,k為：

其中，Λ是一個對角矩陣，對角線上的元素為步驟(6)中(S_w+δS_d)^-1S_bw＝λw的非零特征值；表示投影后ROS中第k個等級樣本的中心，計算方式如下：

(7.3)根據步驟(7.2)得到的中間統計量s_i,k，通過核密度估計法得到第k個等級下中間統計量的控制限G_k,lim；

(7.4)根據步驟(7.1)～(7.2)計算測試數據x_t的得分t_t和中間統計量s_t,k：

t_t＝w^Tx_t

(7.5)中間統計量s_t,k對應的概率密度函數p(s_i,k|G_k)為：

其中，G_k表示第k個等級；

(7.6)數據x_t屬于第k個等級的后驗概率Pr(G_k|s_t,k)：

其中，α_k為等級k的先驗概率，表示k’從1～K對α_kp(s_t,k|G_k)求和；

(7.7)概率Pr(G_k|s_t,k)最大的等級為數據x_t的等級Level_t：