[發(fā)明專利]燃料乙醇生產(chǎn)狀態(tài)可視化在線監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202110717333.6
• 申請日: 2021-06-28
• 公開（公告）號: CN113444843A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 顏學(xué)峰;盧偉鵬;莊英萍;鄧立康;田曉俊;劉曉峰;劉小辰;張志凌;田錫煒;董裕峰;王冠;孫新通;范新龍;劉新穎;從志會
• 申請（專利權(quán)）人: 華東理工大學(xué);國投生物能源（鐵嶺）有限公司;國投生物科技投資有限公司
• 主分類號: C12Q3/00
• 分類號: C12Q3/00;C12P7/06;G06F30/27
• 代理公司: 上海順華專利代理有限責(zé)任公司 31203
• 代理人: 顧蘭芳

1.燃料乙醇生產(chǎn)狀態(tài)可視化在線監(jiān)測方法，其特征在于，根據(jù)燃料乙醇的發(fā)酵時間將乙醇的生產(chǎn)過程分為如下幾個階段：剛開始發(fā)酵時刻屬于初始階段，發(fā)酵到t1時間為第一階段，發(fā)酵到t2時間為第二階段，發(fā)酵到t3時間為第三階段；初始階段的模型輸入變量為：

其中初始階段輔助變量選擇為：酒母罐出料時酒母醪的PH、干物、酒母數(shù)、出芽率、死亡率、DP4+、DP3、DP2、葡萄糖、果糖、琥珀酸、乳酸、甘油、乙酸、乙醇，以及液化醪中的PH、干物、粘度、DP4+、DP3、DP2、葡萄糖、果糖、琥珀酸、乳酸、甘油、乙酸和乙醇；

第一階段的模型輸入的變量為：

初始階段的所有輸入變量，并增加t1時的發(fā)酵醪的DP4+、DP3、DP2、葡萄糖、果糖、琥珀酸、乳酸、甘油、乙酸和乙醇，以及從初始到t1的平均發(fā)酵溫度；

第二階段的輔助變量選擇為初始階段和第一階段的輔助變量，并增加t2時的發(fā)酵醪的成分離線分析值，以及從t1到t2的平均發(fā)酵溫度；

第三階段的輔助變量選擇為初始階段，第一階段和第二階段的輔助變量，并增加t3時的發(fā)酵醪的成分離線分析值，以及從t2到t3的平均發(fā)酵溫度；

通過輔助變量分階段逐級增強的方法對于每個階段，基于樣本數(shù)據(jù)，首先使用LDA對數(shù)據(jù)進(jìn)行特征提取，然后將LDA提取的特征輸入到SOM中進(jìn)行投影，輸出燃料乙醇生產(chǎn)狀態(tài)分類的可視化結(jié)果和狀態(tài)轉(zhuǎn)移軌跡。

2.根據(jù)權(quán)利要求1所述的監(jiān)測方法，其特征在于，所述t1是8小時，t2是24小時，t3是40小時。

3.根據(jù)權(quán)利要求1所述的監(jiān)測方法，其特征在于，根據(jù)發(fā)酵終止時的乙醇體積比將燃料乙醇的生產(chǎn)狀態(tài)進(jìn)行可視化結(jié)果劃分。

4.根據(jù)權(quán)利要求3所述的監(jiān)測方法，其特征在于，所述可視化結(jié)果劃分是當(dāng)乙醇體積比大于15.8時為優(yōu)，大于等于15.5并且小于等于15.8為中，小于15.5為差。

5.根據(jù)權(quán)利要求1所述的監(jiān)測方法，其特征在于，對于初始、第一、第二和第三階段分別建立燃料乙醇生產(chǎn)狀態(tài)的可視化監(jiān)測模型；后階段模型的輸入變量是前階段模型輸入變量的逐級增強。

6.根據(jù)權(quán)利要求1所述的監(jiān)測方法，其特征在于，所述輸入變量利用下式歸一化處理：

其中，x_i是第i個輸入變量的實際測量值，sx_i表示第i個輸入變量歸一化后的值，表示第i個輸入變量的變化范圍，歸一化后的輸入變量的變化范圍為[a，d]。

7.根據(jù)權(quán)利要求1所述的監(jiān)測方法，其特征在于，

設(shè)建模樣本的樣本容量為n，LDA的類內(nèi)離散度矩陣(S_w)以及類間離散度矩陣(S_b)的定義見下式：

其中x_i,j代表第i個類別的數(shù)據(jù)集中的第j個樣本，代表第i個類別數(shù)據(jù)集的均值，代表整個數(shù)據(jù)集的均值；LDA算法優(yōu)化的目標(biāo)函數(shù)J的形式如下，尋找投影矩陣W使得J最大：

將對應(yīng)初始階段的建模樣本帶入上面介紹的LDA模型中，則可得到降維后的樣本z；接著將降維后的樣本輸入到SOM中；

(1)首先對SOM網(wǎng)絡(luò)的權(quán)值w_ij在[0,1]之間隨機初始化；

(2)對競爭層每一個輸出神經(jīng)元，計算各輸入向量z＝[z₁,z₂,...,z_m]^T與連接權(quán)向量w_i＝[w_i1,w_i2,L,w_im]^T間的歐氏距離。距離最小的神經(jīng)元為獲勝神經(jīng)元；

(3)根據(jù)下面公式更新獲勝神經(jīng)元以及鄰域神經(jīng)元的權(quán)值向量；

式中0＜α(t)＜1，為學(xué)習(xí)因子；

(4)輸入下一個樣本，轉(zhuǎn)入到(2)中進(jìn)行下一輪學(xué)習(xí)，直到所有樣本的都學(xué)習(xí)完，則完成一次迭代。當(dāng)?shù)螖?shù)達(dá)到設(shè)置的總迭代次數(shù)時，完成SOM的訓(xùn)練。訓(xùn)練結(jié)束后，可輸出訓(xùn)練數(shù)據(jù)的碰撞直方圖；

(5)對測試數(shù)據(jù)不同狀態(tài)進(jìn)行標(biāo)記，將測試數(shù)據(jù)輸入到已經(jīng)訓(xùn)練好的LDA和SOM中進(jìn)行投影，輸出測試數(shù)據(jù)的碰撞直方圖，并在碰撞直方圖的基礎(chǔ)上做出狀態(tài)轉(zhuǎn)移軌跡，完成測試數(shù)據(jù)的狀態(tài)可視化以及狀態(tài)監(jiān)測。