[发明专利]基于回归模型的过程控制方法和系统

说明书

本申请的实施例提供了一种基于回归模型的过程控制方法和系统，该方法包括：采集生产过程中正常运行工况下的历史样本数据，并基于历史样本数据构建控制限；采集目标时长内的样本数据，计算检测统计量的具体数值；判断检测统计量的具体数值是否满足预设条件。本申请利用基于机器学习算法和多维度的采集数据构建的数据驱动的回归模型进行控制，在实际应用中明显的缩短了生产过程非稳态时间，相比于传统控制方法，缩短了非稳态时间20～25%。

技术领域

本申请的实施例涉及工业控制技术领域，尤其涉及一种基于回归模型的过程控制方法和系统。

背景技术

传统的工业控制的控制方法主要通过定式的控制路径进行固化控制，没有办法根据实时数据进行动态调节控制，虽然传统方法也进行了自适应控制，但由于控制方法的固定和感知维度的限制，无法对稳态控制有明显提高。

在实际应用中，尤其在工业过程控制中被控对象工况的不确定性、系统工作点变化剧烈自适应控制(对参数变化要求较为严格)和鲁棒控制(鲁棒区域有限)存在着难以弥补的严重缺陷，应用的有效性受到很大限制，这就促使人们研究新的控制理论和方法。

传统的控制系统的输入信息比较单一，而本发明提供了一种基于回归模型的动态过程控制方法以各种形式——视觉的、听觉的、触觉的，以及直接操作的方式将环境信息，包括图形、文字、语言、声音，以及传感器感知的物理量等，作为系统的输入将各种信息融合、分析和推理并实现工业智能控制的目的。

利用基于机器学习算法和多维度的采集数据构建的数据驱动的回归模型进行控制在实际应用中明显的缩短了生产过程非稳态时间，通过实际对比比传统方法缩短了非稳态时间20～25％，目前此控制方法在烟草制丝线的应用已经非常成熟，已经取代了传统控制方法。

发明内容

本申请的实施例提供了一种基于回归模型的过程控制方法和系统，能够在本申请的第一方面，提供了一种基于回归模型的过程控制方法，包括：

采集生产过程中正常运行工况下的历史样本数据，并基于所述历史样本数据构建控制限：

其中，x_K,α为自由度为K、置信度为α的卡方分布所对应的值，F_η,n-η,α表示置信度为α、自由度分别为η与n-η的F分布所对应的值，x_h,α表示自由度为h、置信度为α的卡方分布所对应的值，a和τ分别为Q统计量的估计均值和估计方差；

采集目标时长内的样本数据，计算检测统计量ψ、ξ和Q的具体数值：

ξ＝eHΛ^-1H^Te^T

Λ＝U^TU/(n-1)

Q＝e(I_m-HH^T)e^T

判断是否满足条件ψ≤ψ_lim，且ξ≤ξ_lim，且Q≤Q_lin；

若是，则说明目标时长内设备运行正常，继续采集下一时刻的样本数据；

若否，则说明目标时长内设备运行故障。

在一种可能的实现方式中，所述基于所述历史样本数据构建控制限包括：