[發明專利]基于動態特征提取的發酵過程階段劃分方法

有效

• 申請號: 202110078581.0
• 申請日: 2021-01-19
• 公開（公告）號: CN112925202B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 高學金;孟令軍;高慧慧
• 申請（專利權）人: 北京工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.基于動態特征提取的發酵過程階段劃分方法，其特征在于包括以下步驟：

Ⅰ進行數據預處理；

數據包括歷史過程變量數據和歷史質量變量數據，其中質量變量在發酵過程中指產物濃度，所述歷史過程數據是由生產某一產品發酵過程的J_x個變量，I個批次，和每個批次的K個采樣時刻組成的三維矩陣X(I×J_x×K)；對三維形式的數據進行預處理操作，具體為：將三維過程數據X(I×J_x×K)沿批次方向展開得到K個時間片數據子矩陣X_k(I×J_x)，其中X_k代表第k個時刻的時間片數據矩陣，k＝1,2,…,K；沿批次展開后，按如下公式對每個時間片矩陣進行標準化處理：

其中，j表示過程變量，j＝1,2,…J；k表示采樣時刻，k＝1,2,…K；和S_k,j均是I×1維的數據形式；代表標準化后的第k個時間片矩陣；x_k,j為第k個時間片矩陣，由第j個過程變量在所有I個批次中的第k采樣時刻的采樣值組成；為第k個時間片矩陣的平均值矩陣，由第j個過程變量在所有I個批次中的第k采樣時刻的平均采樣值組成；S_k,j為第k個時間片矩陣的標準差矩陣，由第j個過程變量在所有I個批次中的第k采樣時刻的采樣值的標準差組成；對歷史質量變量數據Y(I×Jy×K)做同樣的處理，其中，Jy表示質量變量數量；

Ⅱ第一步劃分；

1)標準化處理后，對每個時間片數據矩陣進行PLS回歸分析，得到相應的歷史過程數據X的得分向量T和歷史質量變量數據Y的得分向量U；將兩個得分矩陣左右排成一個矩陣，得到每個時間片數據矩陣的聯合得分矩陣；

2)計算各個聯合得分矩陣之間的相似度矩陣S，將相似度矩陣S輸入到AP聚類算法進行聚類，完成利用靜態特征對所有采樣時刻的初次階段劃分；

3)若兩個相鄰階段間轉換部分不存在波動，采用Silhouette準則衡量每個采樣時刻劃分到對應階段的“優劣”程度；

Ⅲ第二步劃分；

1)將沿批次展開后得到的二維數據進一步按照變量展開方式進行處理，然后對每批次數據以窗寬為d的滑動窗進行連續采樣得到encoder-decoder模型所需的輸入序列；采用訓練好的encoder-decoder模型提取動態特征；將不同批次每個時刻的動態特征組合成為動態特征時間片C；

2)計算各個動態特征時間片數據矩陣之間的相似度矩陣S’，將相似度矩陣S’輸入到AP聚類算法進行聚類，完成利用動態特征對所有采樣時刻的二次階段劃分；

3)采用Silhouette準則衡量當前樣本點劃分到對應階段的“優劣”程度；

Ⅳ綜合分析兩步劃分結果，判斷每個采樣時刻屬于哪個階段，完成最終的階段劃分，具體如下：

對于采樣時刻k，當動態特征聚類效果為優，但是靜態特征聚類效果為劣時，則該時刻處于合理的穩定階段內，即該時刻與上一采樣時刻處于相同階段；

對于采樣時刻k，當靜態特征聚類效果為優，但動態特征聚類效果為劣時，則該時刻存在過渡趨勢，仍將其歸屬為合理的穩定階段，即該時刻與上一采樣時刻處于相同階段；

對于采樣時刻k，當動態特征聚類效果為劣，且靜態特征聚類效果為劣時，則該時刻處于過渡階段，即該時刻與上一采樣時刻處于不同階段。

2.根據權利要求1所述的基于動態特征提取的發酵過程階段劃分方法，其特征在于：

所述Ⅱ第一步劃分過程中所述的AP聚類算法中涉及的不同時間片矩陣之間的相似度計算公式如下：

其中，k₁、k₂分別表示不同的采樣時刻，表示k₁時間片數據矩陣的聯合得分矩陣，表示k₂時間片數據矩陣的聯合得分矩陣；A和B由交叉驗證法確定。

3.根據權利要求2所述的基于動態特征提取的發酵過程階段劃分方法，其特征在于：

所述A和B的取值要保證同一階段內樣本間緊致，不同階段樣本間離散，兩個相鄰階段轉換的部分存在波動現象。