欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2016112434674
申请人: 中国矿业大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于JY-KPLS的复杂工业过程在线质量预测方法,其采用两套完全相同的生产设备,各自的内部参数设置不同,分别进行a过程和b过程两个生产过程,其中,a过程是全新的生产过程且数据少,而b过程的生产时间且长数据丰富;假设过程数据矩阵为X∈RN×J,N为样本数,J为过程变量数;假设输出数据矩阵为Y∈RN,包含输出过程变量;质量预测方法具体步骤如下:步骤一、将a过程、b过程的三维输入数据按照批次方向展开成二维矩阵,分别为Xa、Xb;

步骤二、对a过程、b过程输入数据矩阵Xa,Xb的各列进行零均值和单位方差处理;同理,对输出数据矩阵Ya,Yb也进行标准化处理,且输出数据矩阵Ya与Yb中质量变量的数目相同;

步骤三、将输入数据矩阵Xa、Xb经非线性映射Φ:xi∈RN→Φ(xi)∈F投影到高维特征空间F,并在F空间中计算核矩阵Ka、Kb:Ka=ΦTΦ,Kb=ΦTΦ;

步骤四、对核矩阵Ka、Kb进行标准化处理;

步骤五、对输入核矩阵K和输出数据矩阵Y运行JY-KPLS算法:此时输入数据矩阵变为Ka、Kb,输出数据矩阵变为Ya,Yb,从输出数据矩阵Y中提取收敛的ui,当i=1,KWi=KW,YWi=YW;

a1、令YWi中的任意一列等于ui;

b1、计算Ka的得分向量,t1i=KWiu1i,t1i←t1i/||t1i||;

c1、Kb的得分向量t2i=KWiu2i,t2i←t2i/||t2i||;qi=YjT[t1;t2];

d1、计算Y1Wi的得分向量u1i=Y1Wiqi,u1i←u1i/||u1i||;f1、计算Y2Wi的得分向量u2i=Y2Wiqi,u2i←u2i/||u2i||;

e1、判断u1i与u2i是否收敛,若收敛则转入步骤六,否则返回a1;

步骤六、计算KWi的负载矩阵:

步骤七、提取出全部主元,计算输入数据矩阵KW的得分矩阵T、输入数据矩阵KW的负载矩阵P、输出数据矩阵YW的得分矩阵U以及输出数据矩阵YW的负载矩阵Q,具体如下:a2、令

b2、令i=i+1,重复步骤五、六直到提取出A个主元,主元个数A可由交叉验证法确定;

c2、T1=[t1,...,tA],T2=[t1,...,tA],P=[p1,...,pA],U2=[u1,...,uA],Q=[q1...,qA];

若输出数据矩阵Y为单输出变量,则JY-KPLS模型的表达式如下:y=K*U2(T2*Knx*U2)-1*T′j*Yj+F,是a过程输出变量和b过程输出变量的联合, 是a过程潜变量和b过程潜变量的联合,即建立质量预测模型所需要得出的最关键变量,可用于运行状态离线质量预测模型的建立;

当引入新的样本knew,其得分矩阵将由下式得出:

其中,knew是新样本xnew的核函数,可由下式计算得到:knew=Φ(X)Φ(xnew)=[k(x1,xnew),...k(xn,xnew)]T,对knew进行均值化可得:

其中,1t=1/n·[11...1]T∈Rn;

步骤八、在线获得输入数据数据xnew,无法获得的部分输入数据用均值补齐,利用xnew进行在线质量预测获得预测值 并依据预测结果指导生产过程;

步骤九、在当前生产批次结束时,获得最新的输出数据ynew,并计算最新批次的预测误差δn,其中 否则返回步骤八;

步骤十、模型预测精度检验,绘制误差曲线;当过程批次大于2J次时,J为过程输入变量总数,获取除最新批次外所有的预测误差δn-1;样本δn-1服从正态分布,求出当显著性α=

0.95时的置信区间 当最新批次预测误差δn落在置信区间内时,则进入步骤十一;当δn落在置信区间外时,则进入步骤十二;

步骤十一、剔除b过程中与a过程相似程度最小的数据旧过程与新过程的相似程度用相似性s(xi)表示,用公式(10)与(11)可求得s(xi),公式如下:其中,||||为欧式距离, 为新过程数据的均值,s(xi)的取值范围为0到1;

步骤十二、将新测得数据添加到a过程原始数据中组成新的Xa,Ya,并返回步骤一,公式如下: