[发明专利]一种基于偏最小二乘的工业过程工艺优化方法

说明书

本发明公开了一种基于偏最小二乘的工业过程工艺优化方法，该方法借鉴了偏最小二乘的优点，面对自变量存在高度自相关性或者样本点少的工业过程，通过确定主元个数，对样本进行主元提取，以主元为媒介，分析关键变量关于主元的变化情况，建立产品产量、质量、能耗指标等关键变量关于原始变量的回归模型，定性定量地解析复杂过程变量之间的关系，从数据中发现规律，解决问题，优化生产过程，从各关键操作变量和过程变量实现对生产进行控制，提高产质量。

技术领域

本发明属于工业领域，涉及一种工业过程工艺优化方法，具体涉及一种基于偏最小二乘的工业过程工艺优化方法。

背景技术

日趋复杂的现代工业过程中，为了对其进行优化，包括提高产品产量、质量或者降低能耗指标等，需要对工业过程进行回归建模。但是，影响产品的产量，质量，能耗的因素多而复杂。因此，准确合理地分析众多工艺参数与产品产量、质量、能耗指标之间的关系，具有重要的理论意义和工程应用价值。鉴于各个工厂实际情况不一样，专业课本没有也不能给出明确的公式，而实践经验往往也很模糊。从统计学角度来讲，专家系统和神经网络预测的精度是最高的，但是这两种方法只能依据经验或采取随机试探的方法，具有一定的随意性，且对所描述对象的输入输出变量之间的关系往往缺乏很好的解释性。传统的最小二乘回归能给出一个清晰的关系式，但由于变量之间存在多重相关性，使得模型精度不高，甚至出现与常识相悖的情况。

针对工业过程中自变量之间的多重相关性和样本点容量过少的问题，新型多元统计分析方法—偏最小二乘回归(PLS)被提出，其集多元线性回归分析、主成分分析、典型相关分析的基本功能为一体，已被广泛应用于多个领域。但是，其更多的是被用于回归预测，而用于工业过程优化的则以主元分析方法居多，在变量内部具有高度线性相关性以及样本点数量过少的情况下，无法给出合理的优化指导。

发明内容

本发明的目的是提供了一种基于偏最小二乘的工业过程工艺优化方法，该方法针对工业过程中变量内部具有高度线性相关性以及样本点少的情况，将偏最小二乘应用于工业过程的工艺优化，在指定的工艺约束条件及工艺参数设定条件下，寻找最优的工艺控制策略和方法，以指导生产操作。

为了实现上述目的，本发明的技术方案为：提供一种基于偏最小二乘的工业过程工艺优化方法，包括以下步骤：

步骤一：数据标准化处理

标准化的目的是使样本点的集合重心与坐标原点重合；

式中F₀，E₀分别为y，X的标准化矩阵；E(y)，E(x)(i同上)分别为y，X的均值；S_y，分别为y，X的均方差；n为样本容量；

步骤二：确定主成分个数

记y_i为原始数据，是使用全部样本点并取h个成分回归建模后，第i个样本的拟合值；是在建模时删去第i个样本点，取h个成分回归建模后，再用此模型计算的y_i拟合值，记：

当预测误差平方和PRESS_h达到最小时，对应的h即为确定的主成分数目；

步骤三：各主成分的提取

(a)第一成分t₁的提取

已知F₀，E₀，可从E₀中提取第一个成分t₁，

t₁＝E₀W₁