[发明专利]一种基于张量全局-局部保持投影的间歇过程在线监控方法

说明书

技术领域

本发明涉及过程监控领域，具体涉及一种间歇过程监控方法。

背景技术

目前，间歇过程在生物制药、食品加工、精细化工、冶金及造纸等行业中被广泛采用。间歇过程由于受多工序、多变量、反应复杂、工序运行时间不确定、产品频繁更换等多种因素的影响，发生异常工况的概率较高。一旦出现异常工况，就有可能产生连锁反应，导致生产能力下降和产品质量波动，严重情况下甚至可能损坏设备，造成人员伤亡和环境污染，影响企业的可持续发展。如何保障间歇过程安全可靠地运行并产出质量稳定的产品，已成为过程工业界关注的焦点。

过程监控作为保障工业过程生产安全和产品质量的有效手段，自20世纪中后期以来愈来愈受到众多学者的重视。与连续工业过程类似，间歇过程的过程监控方法大致可划分为三类：基于定量数学模型的方法、基于知识的方法和基于数据驱动的方法。基于数学模型的方法和基于知识的方法依赖于精确的过程模型以及大量生产经验和过程知识，实施困难、通用性较差。基于数据驱动的方法以多变量统计分析理论为基础，仅利用过程数据进行建模和监控，操作简单、实施方便，是目前间歇过程监控领域的研究热点。

由于基于数据驱动的过程监控方法是基于过程数据来建模的，对数据中所包含的结构信息挖掘是否充分将直接影响过程监测的效果。然而，现有的大多数方法是基于传统多元统计分析方法（例如PCA）发展而来的，它们仅关注了数据的全局结构信息，即方差信息，而对于数据的局部结构信息，即数据之间的拓扑关系，没有给予足够的重视，导致监控效果不是很理想。近年来，出现了部分基于流形学习算法（例如LPP）的过程监控方法，这些方法与传统多元统计分析方法正相反，它们虽然能够充分挖掘数据的局部结构信息，却忽略了数据的全局结构信息。目前，能够同时对数据的全局结构和局部结构进行分析和特征提取的算法是比较匮乏的。

另一方面，间歇过程的生产数据具有独特的三维数据集结构形式，利用传统的多向多元统计方法（例如MPCA、MPLS和MLPP等）分析间歇过程数据时，需先将三维数据集展开成二维矩阵，才能进行分析和建模。然而，数据展开不仅会破坏原有数据的空间相关性，引起结构信息损失，而且容易造成“维数灾难”，严重影响过程监控效果。

发明内容

为了克服现有间歇过程监控方法仅关注数据全局或局部特征、数据展开时存在信息损失、准确性较差的不足，本发明通过集成张量全局-局部保持投影和移动数据窗口技术，提供一种能同时挖掘数据全局和局部特征、有效避免由数据展开引起的信息损失、准确性良好的基于张量全局-局部保持投影的间歇过程在线监控方法。

本发明所采用的技术方案是：

一种基于张量全局-局部保持投影的间歇过程在线监控方法，所述监控方法包括以下步骤：

1）建立间歇过程的离线监控模型，由以下步骤实现：

（1.1）选择间歇过程的正常批次数据X₁(K×J),X₂(K×J),…,X_i(K×J),…,X_I(K×J)，建立训练样本集其中I是正常批次的个数，K是采样点个数，J是变量个数；