[发明专利]一种基于约化双核PLS的非线性流程工业质量预测方法

说明书

本发明提供一种基于约化双核PLS的非线性流程工业质量预测方法，涉及故障检测与预测技术领域。该基于约化双核PLS的非线性流程工业质量预测方法，包括有如下步骤：S1、通过特征向量提取方法提取承载信息较多的特征向量，较少过多的核向量。该基于约化双核PLS的非线性流程工业质量预测方法，PLS方法利用正交投影将多元回归问题转换为一元回归问题，有效的解决了共线性问题，并且该方法通过将高维数据映射成低维数据，获得测量变量相互正交的特征向量，然后建立向量间的线性回归关系来表征过程，不仅可以提高模型的精度，还可以从建立的模型中提取自变量对因变量的非线性作用特征，相对于传统的分析手段大大提高了分析的精度。

技术领域

本发明涉及质量预测技术领域，特别的为一种基于约化双核PLS的非线性流程工业质量预测方法。

背景技术

对于间歇性生产过程的质量预测，在生产中具有很高的附加值和重要性。现在，许多传感器已经安装在生产设备上，可以在生产阶段测量到有用的信息并记录下来，通过机器学习、深度学习等数据挖掘手段探索更多的有用信息，但是此类数据驱动算法对流程行业的生产过程中在线应用的实时性有一定的要求，特别是对于快速变化的过程或者比较敏感的时段中关键性数据与产品质量具有很强的关联性的时候，效果收效甚微，若是参与在线预测，甚至可能直接影响到产品的品质与合格率，此类算法在此类场景下的适用性还有待商讨。再有，流程行业的数据一般具有高维度、非线性、强相关性等特点，也限制了此类算法的具体应用。还有，此类数据挖掘方法在处理流程行业的质量数据时往往具有一定的滞后性，并不能及时有效的反映生产状况，而质量数据的滞后一旦运用到生产中，极有可能导致产品质量的下滑、产品不合格，甚至造成生产故障而导致事故的发生。

发明内容

本发明提供的发明目的在于提供一种基于约化双核PLS的非线性流程工业质量预测方法，流程行业中的数据的处理中，一个很重要的难点就是数据的非线性，通过构建约化双核PLS算法可以有效的解决此类问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于约化双核PLS的非线性流程工业质量预测方法，包括有如下步骤：

S1、通过特征向量提取方法提取承载信息较多的特征向量，较少过多的核向量。

S2、将采集的数据和质量数据投影到两个核空间中建立双核数据矩阵，利用高维核空间中的数据建立软测量模型中运算。

S3、双核空间中计算完成后再高维的核空间中直接修改核参数，计算质量预测精度在系统中的收敛速度。

S4、将在核空间中的高维预测数据经过在线反投影算法还原到原始空间中。

进一步的，将根据S1中的操作步骤，为防止维数灾难的发生，在特征提取阶段通过步进的方式，将算法的计算需求维持在一个硬件可承受的范围之内，具体原理为具体原理为：

设定核矩阵为：

K_i表示对应X_i(i≤n)的核矩阵。

K_i的秩等于i-1的时候，等价为K_i对应K_i-1的额外部分能够被K_i-1线性表示。

判断核矩阵K_i是否为满秩的标准为：

在现场采集的数据均含有噪声，导致δ_i无法为0，所以根据实验结果设置一个比较小的正数ε作为额外参数代替。

进一步的，将根据S1中的操作步骤，特征提取流程：

S101、设置i＝1，S_i＝[x_i]。