一種基于mica-ocsvm的發(fā)酵過程故障監(jiān)測方法
【專利摘要】本發(fā)明公開了一種實現(xiàn)對青霉素發(fā)酵過程進行實時故障監(jiān)測的新方法。為了保證青霉素發(fā)酵過程的安全性和穩(wěn)定性，建立一種有效的過程監(jiān)測方案來及時地檢測異?，F(xiàn)象是十分有必要的。本發(fā)明包括“離線建?！焙汀霸诰€監(jiān)測”兩個階段?！半x線建模”包括：首先對發(fā)酵過程的三維數(shù)據(jù)進行處理；之后采用獨立成分分析（ICA）提取數(shù)據(jù)的獨立成分信息；最后利用單類支持向量機（OCSVM）進行建模構造監(jiān)控統(tǒng)計量，并利用核密度估計方法確定控制限?！霸诰€監(jiān)測”包括：對新采集的數(shù)據(jù)按照模型進行處理，計算其統(tǒng)計量并與控制限進行比較判斷發(fā)酵過程是否運行正常。本發(fā)明無需假設發(fā)酵過程變量服從高斯或非高斯等具體的分布，故障監(jiān)測的準確率較高。
【專利說明】—種基于MICA-OCSVM的發(fā)酵過程故障監(jiān)測方法
【技術領域】
[0001]本發(fā)明涉及基于數(shù)據(jù)驅動的故障診斷【技術領域】，特別是涉及一種針對間歇過程的故障診斷技術。本發(fā)明的基于數(shù)據(jù)驅動的方法即是在典型間歇過程——青霉素發(fā)酵過程故障監(jiān)測方面的具體應用。
【背景技術】
[0002]近幾十年來，間歇過程因其可以滿足生產(chǎn)高附加值產(chǎn)品的需求而受到廣泛關注。但其機理復雜、操作復雜度高、產(chǎn)品質量易受不確定性因素的影響。青霉素發(fā)酵過程作為典型的間歇過程，具有較強的非線性、動態(tài)性、混合高斯分布等特點，為了保證發(fā)酵過程操作系統(tǒng)的安全性和穩(wěn)定性，建立一種有效的過程監(jiān)控方案來及時地檢測異常現(xiàn)象是十分有必要的。
[0003]目前，多元統(tǒng)計技術已經(jīng)廣泛應用到間歇過程(包括發(fā)酵過程)的過程監(jiān)控。其中應用較多的方法有多向主成分分析(Mult1-way Principal Component Analysis,MPCA)和多向偏最小二乘分析(Mult1-way Partial Least Squares,MPLS),這些方法需要假設過程變量服從或近似服從多元高斯分布，應用在實際間歇過程監(jiān)控存在著不足。MICA可以利用高階統(tǒng)計信息提取過程數(shù)據(jù)中的非高斯信號，顯現(xiàn)出比MPCA更優(yōu)的監(jiān)控效果。然而，實際的工業(yè)過程多為高斯和非高斯的混合分布，因此以上方法因需假設過程變量服從具體的分布而受到應用限制。一些學者采用PCA和ICA分步建模來解決這一問題，提出了組合方法MICA-PCA對非高斯信息和高斯信息分別監(jiān)控，但該方法不能明確選擇主要獨立成分的個數(shù)，無法做到有效區(qū)分非高斯信息和高斯信息。

【發(fā)明內容】

[0004]為了克服上述現(xiàn)有技術的不`足，本發(fā)明提供了一種基于MICA-OCSVM的發(fā)酵過程故障監(jiān)測方法。將MICA提取的獨立成分用于OCSVM建模并構造非線性的監(jiān)控統(tǒng)計量。OCSVM是基于統(tǒng)計學習理論提出的，因此其無需假設過程變量服從具體的分布。而且OCSVM可以確定正常工況下潛隱變量的非線性邊界，有效減少過程監(jiān)測中誤報、漏報的發(fā)生，提高故障監(jiān)測的準確性。
[0005]本發(fā)明采用了如下的技術方案及實現(xiàn)步驟:
[0006]A.離線建模階段:
[0007]I)采集發(fā)酵過程正常工況下的歷史數(shù)據(jù)，所述的歷史數(shù)據(jù)X由離線測試得到的同一發(fā)酵過程相同工藝下的I批次數(shù)據(jù)構成，X= (X1, X2,, X1V，其中Xi表示第i批次數(shù)據(jù)，每個批次包含K個采樣時刻，每個采樣時刻采集J個過程變量，即H1, xi；2,..., xi;K)，其中Xi，k表示第i批次第k采樣時刻采集的數(shù)據(jù),Xi,J5=Um xi；k；2,...，Xi，u)，其中Xi^.表示第i批次中第k采樣時刻的第j個過程變量的測量值；
[0008]2)對歷史數(shù)據(jù)進行標準化處理，處理方式如下:
[0009]首先計算歷史數(shù)據(jù)X的所有時刻上所有過程變量的均值和標準方差，其中第k采樣時刻的第j個過程變量的均值Xlu的計算公式為
【權利要求】
1.一種基于MICA-OCSVM的發(fā)酵過程故障監(jiān)測方法，其特征包括“離線建?！焙汀霸诰€監(jiān)測”兩個階段，具體步驟如下: A.離線建模階段: 1)采集發(fā)酵過程正常工況下的歷史數(shù)據(jù)，所述的歷史數(shù)據(jù)X由離線測試得到的同一發(fā)酵過程相同工藝下的I批次數(shù)據(jù)構成，X= (X1, X2,, X1V，其中Xi表示第i批次數(shù)據(jù)，每個批次包含K個采樣時刻，每個采樣時刻采集J個過程變量，即Xi= P xi;2,U，其中\(zhòng)k表示第i批次第k采樣時刻采集的數(shù)據(jù)，Xi，J5=Ui^1, Xijkj2,...，XiA1),其中Xi，k，j表示第i批次中第k采樣時刻的第j個過程變量的測量值； 2)對歷史數(shù)據(jù)X進行標準化處理，處理方式如下: 首先計算歷史數(shù)據(jù)X的所有時刻上所有過程變量的均值和標準方差，其中第k采樣時刻的第j個過程變量的均值-的計算公式為，，
2.根據(jù)權利要求1所述的一種基于MICA-OCSVM的發(fā)酵過程故障監(jiān)測方法，其特征在于:步驟5)所述的決策超平面函數(shù)Fk(.)計算公式如下:
Fk (.) =Wk Φ k (.) +bk 其中wk、Φ,(.)、bk為使用OCSVM對S’ k進行訓練時得到的參數(shù)。
【文檔編號】G05B19/418GK103838217SQ201410085508
【公開日】2014年6月4日 申請日期:2014年3月10日 優(yōu)先權日:2014年3月10日
【發(fā)明者】王普, 張亞潮, 高學金, 崔寧 申請人:北京工業(yè)大學