[发明专利]基于KEPLS的生产过程质量预测与控制方法

权利要求书

1.基于KEPLS的生产过程质量预测与控制方法，其特征在于，具体包括以下步骤：

A.建立KEPLS模型，

B.基于IFS-KEPLS新算法进行生产过程在线监测及质量预测；

C.当步骤B进行质量预测的过程中，预测值严重偏离标准预测曲线时，采用SV-KCD与KEPLS组合算法进行生产过程质量控制。

2.根据权利要求1所述的基于KEPLS的生产过程质量预测与控制方法，其特征在于，首先计算数据的KEPLS模型，具体计算步骤为：

A1.计算过程变量X在高维空间的得分向量t_i，单位化t_i；

A2.计算质量变量的负载矩阵，q_i＝Y^Tt_i；

A3.计算质量变量的得分矩阵为u_i＝Yq_i，单位化u_i；

A4.迭代计算A2～A4，直到得分矩阵u_i收敛；

A5.根据下式计算核矩阵的特征Φ(x)与PLS中广义特征Y的残差信息，

其中，K为N*N的核矩阵，表示特征Φ(x)的残差信息。

3.根据权利要求1所述的基于KEPLS的生产过程质量预测与控制方法，其特征在于，KEPLS模型的计算方法为：

首先，通过核映射将数据从低维输入空间投影到高维特征空间，将数据的非线性转化为线性，然后在高维特征空间内根据熵的大小选取特征，进行数据的降维；

其次，以信息熵作为衡量系统不确定性量度，采用Renyi熵作为成分分析的方法，定义：

H(p)＝-lg∫p²(x)dx

其中，p(x)为数据D的概率密度函数；

上述函数为单调函数，将函数表示为如下表达式：

V(p)＝∫p²(x)dx

采用Parzen窗密度对其进行估计，

将带入上式得，

选用高斯函数作为核函数，则，

其中，I为N×1的全1向量；K为N×N的核矩阵；

然后，对核矩阵K进行特征分解，

K＝Φ^TΦ＝EDE^T

其中，D＝diag(λ₁,…,λ_N)，E是D对应的特征向量阵，

E＝(e₁,…e_N)

则，

最后，根据PLS算法中广义特征向量X^TYY^TXω，而ω是广义特征矩阵的最大特征值对应的特征向量，则：

X^TYY^TXω＝λω

X的得分向量t的计算公式如下：

t＝Xω

在特征空间中ω和t核化处理公式为：

XX^TYY^TXω＝λXω

ω为权值向量，

分解后的，

KYY^Tt＝λt；

XX^TYY^Tt＝λt

再通过计算相应的Renyi熵值，选择对Renyi熵值估计贡献量最大的特征值以及对应的特征向量，该向量即是KEPLS中过程变量X的得分向量t，根据得分向量t的值计算质量变量的得分矩阵u。