一种基于Girvan-Newman算法的集散软测量方法技术

本发明专利技术公开一种基于Girvan‑Newman算法的集散软测量方法，旨在解决如何从数据角度对大规模生产过程实施过程分解，以建立分散式的软测量模型，以及如何集成利用分散式的软测量结果来得到产品质量数据估计值的问题。本发明专利技术发法首次利用Girvan‑Newman算法实现了过程对象的分解，从而为建立分散式软测量模型奠定了前期基础。其次，本发明专利技术方法利用偏最小二乘算法集成分散式软测量结果，完成了由分散式建模到集成软测量的实施过程。可以说，本发明专利技术方法是一种新颖的集散软测量方法，能适应于大规模生产过程对象产品质量指标的软测量。

【技术实现步骤摘要】
一种基于Girvan-Newman算法的集散软测量方法
本专利技术涉及一种工业过程软测量方法，尤其是涉及一种基于Girvan-Newman算法的集散软测量方法。
技术介绍
在现代工业过程中，测量技术与设备在整个生产系统中占有者重要地位，相应的测量数据能为生产计划调度、过程监控、以及其他工业“大数据”应用提供坚实的数据基础。虽然。先进仪表技术于近年来得到了飞速的发展，工业过程可以很容易地测量到流量、液位、压力、温度等信息，直接或间接反应产品质量的信息也能通过仪器仪表测量得到实时数据。但是，相对于流量或温度等仪表，在线实时分析产品质量信息的设备通常价格高昂，且维护成本较高。若是采用离线分析手段，产品质量数据的获取就存在一定的延时，操作人员因此无法及时而准确地知晓产品质量数据。然而，关于质量的监控又离不开这些能反映产品质量的数据信息。近十几年来，随着数据驱动方法的广泛应用，软测量技术应运而生。它通过建立生产过程中容易测量的数据与产品质量数据之间的回归模型，实现了对质量数据的实时估计。近年来，针对软测量方法技术的研究已受到了工业界与学术界越来越多的关注。软测量技术的核心在于建立输入数据(通常是工业过程中易测量的信息，如压力、温度、流量等)与输出数据(通常为能直接或间接反映质量信息的测量指标，如浓度)之间的回归模型。而在当前已有的文献与专利资料中，建立回归模型常采用的方法有：统计回归法、神经网络、支持向量机等。此外，由于现代工业过程尤其是流程工业，生产规模逐渐走向大型化，多个生产单元之间交错关联。若是直接建立单个的软测量模型，能达到的软测量精度总是差强人意。近年来，分散式的软测量模型得到了重视，因为多模型的泛化性能通常优越于单个模型。一般而言，实施多模型建模首先需要对过程对象进行分解。然而，由于生产单元的复杂交错与控制系统反馈关系，实施有效的过程分解需要依赖足够多的过程机理知识与操作人员的先验知识。为方便软测量技术的推广与应用，如何在不需要过程机理知识的前提下，对整个生产过程对象实施分解是实施集散式软测量技术方案所面临的第一个难题。此外，即使能顺利的将过程对象进行分解，但是如何将这些分散式的软测量模型集成为一体，得到产品质量的最终估计值，是实施集散软测量方法技术需要面临的第二个难题。这里讲的集散的概念，首先在于软测量模型必须分散，但是对产品质量的估计或预测只能给出一个结果，也就是要将多个软测量模型的结果进行集成。
技术实现思路
本专利技术所要解决的主要技术问题是：如何从数据角度对大规模生产过程实施过程分解，以建立分散式的软测量模型，以及如何集成利用分散式的软测量结果集成来得到产品质量数据的估计值。本专利技术解决上述技术问题所采用的技术方案为：一种基于Girvan-Newman算法的集散软测量方法，包括以下步骤：(1)：从生产过程对象的历史数据库中找出能反映产品质量的指标所对应的数据组成输出矩阵Y∈Rn×f，与输出Y相对应的采样数据组成输入矩阵X∈Rn×m，其中，n为训练样本数，m为过程测量变量数，f为质量指标数，R为实数集，Rn×m表示n×m维的实数矩阵。(2)：计算输出矩阵Y中各列向量的均值μ1，μ2，…，μf与标准差δ1，δ2，…，δf后，按照公式对Y中各行向量实施标准化处理得到标准化后的输出矩阵其中行向量y与分别表示矩阵Y与中的任意一个行向量，输出均值向量μ＝[μ1，μ2，…，μf]、输出标准差对角矩阵中对角线上的元素为δ1，δ2，…，δf。(3)：对矩阵X实施标准化处理，得到标准化后的输入矩阵(4)：根据公式计算相关系数矩阵C后，设置近邻个数为c并初始化j＝1。(5)：将矩阵C中第j行向量的最大c个元素全部设置成1，而其余元素设置成0。(6)：判断是否满足条件：j＜m？若是，则置j＝j+1后返回步骤(5)；若否，则得到更新后的相关系数矩阵C。(7)：根据公式Ξ＝max{C，CT}计算得到矩阵Ξ，其中max{C，CT}表示取矩阵C与矩阵CT中相同位置元素的最大值，上标号T表示矩阵或向量的转置，矩阵Ξ即可看做是m个变量之间的连接网络矩阵，每个变量可当成网络中的一个节点，元素1表示两节点之间有连接边，而元素0表示两节点之间无连接边。(8)利用Girvan-Newman算法对m个变量实施分层聚类，具体的实施过程如下所示：①计算m个节点连接网络中所有连接边的边介数。②找到边介数最高的连接边并将它从网络中移除，即将连接网络矩阵Ξ中相应的元素置0。③重新计算网络中剩余连接边的边介数。④重复步骤②与③，指导连接网络中所有的连接边都被移除，即矩阵Ξ变为一个零矩阵。上述步骤①中的某个连接边的边介数定义为：从某个节点出发通过该连街边达到其他节点的最短路径数，对所有节点重复同样的计算，并将所得到的相对于各个不同节点的边介数相加，即为这个连接边的边介数。(9)：根据步骤(8)中的分层聚类结果，可将m个变量分成D块，对应地可将输入矩阵划分成D个矩阵：上述步骤(8)与步骤(9)通过Girvan-Newman算法完成了对过程对象的分解，在依赖于变量之间相关性的基础上，将过程测量变量分解成D个子块，完成了分散式软测量模型建立的第一步工作。(10)：利用偏最小二乘算法建立与输出矩阵之间的软测量模型：其中d＝1，2，…，D，Bd为回归系数矩阵，Ed为误差矩阵。值得强调的是，虽然步骤(10)中是利用偏最小二乘算法建立软测量模型，但是本专利技术方法同样可以采用神经网络、支持向量回归、核偏最小二乘算法来建立软测量模型。(11)：重复步骤(10)直至得到D个软测量模型，并利用回归系数矩阵B1，B2，…，BD根据公式计算出各软测量模型对应的输出估计值(12)：将输出估计值合并成一个矩阵利用偏最小二乘算法建立与输出之间的软测量模型：其中为回归系数矩阵，为误差矩阵。上述步骤(1)至步骤(12)为本专利技术方法的离线建模阶段，其中步骤(11)建立了分散式的D个软测量模型，而步骤(12)则集成分散式的软测量结果。以下所示步骤(13)至步骤(18)为本专利技术方法的在线软测量实施过程。(13)：采集新时过程对象的样本数据z∈R1×m，并对其实施与矩阵X相同的标准化处理得到向量(14)：根据步骤(8)中的分层聚类结果，将向量划分成D个行向量：并初始化d＝1。(15)：根据公式计算得到第d个软测量模型所对应的输出估计值yd。(16)：判断是否满足条件：d＜D？若是，则置d＝d+1后返回步骤(15)；若否，则将D个软测量模型的输出估计值合并成一个向量(17)：根据公式集成得到分散式软测量模型对于输出的最终估计值那么当前采样时刻的质量指标的估计值为其中μ与为步骤(2)中的均值向量与标准差对角矩阵。(18)：返回步骤(13)继续实施对新采样时刻的质量指标的软测量。与现有方法相比，本专利技术方法的优势在于：Girvan-Newman算法可以说是首次在本专利技术方法中被用来对变量实施分块处理，不需要任何的过程机理知识与先验操作经验。本专利技术方法利用Girvan-Newman算法完成了对被监测对象的过程分解任务，为建立分散式的软测量模型做好了铺垫。此外，本专利技术方法虽然在步骤(10)中利用了偏最小二乘算法来建立软测量模型，但是本专利技术方法却不仅限于使用偏最小二乘算法，其他方法如神经网络、支持向量机、核偏本文档来自技高网...

【技术保护点】
1.一种基于Girvan‑Newman算法的集散软测量方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(12)；步骤(1)：从生产过程对象的历史数据库中找出能反映产品质量的指标所对应的数据组成输出矩阵Y∈Rn×f，与输出Y相对应的采样数据组成输入矩阵X∈Rn×m，其中，n为训练样本数，m为过程测量变量数，f为质量指标数，R为实数集，Rn×m表示n×m维的实数矩阵；步骤(2)：计算输出矩阵Y中各列向量的均值μ1，μ2，…，μf与标准差δ1，δ2，…，δf后，按照公式

【技术特征摘要】
1.一种基于Girvan-Newman算法的集散软测量方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(12)；步骤(1)：从生产过程对象的历史数据库中找出能反映产品质量的指标所对应的数据组成输出矩阵Y∈Rn×f，与输出Y相对应的采样数据组成输入矩阵X∈Rn×m，其中，n为训练样本数，m为过程测量变量数，f为质量指标数，R为实数集，Rn×m表示n×m维的实数矩阵；步骤(2)：计算输出矩阵Y中各列向量的均值μ1，μ2，…，μf与标准差δ1，δ2，…，δf后，按照公式对Y中各行向量实施标准化处理得到标准化后的输出矩阵其中行向量y与分别表示矩阵Y与中的任意一个行向量，输出均值向量μ＝[μ1，μ2，…，μf]、输出标准差对角矩阵中对角线上的元素为δ1，δ2，…，δf；步骤(3)：对矩阵X实施标准化处理，得到标准化后的输入矩阵步骤(4)：根据公式计算相关系数矩阵C后，设置近邻个数为c并初始化j＝1；步骤(5)：将矩阵C中第j行向量的最大c个元素全部设置成1，而其余元素设置成0；步骤(6)：判断是否满足条件：j＜m？若是，则置j＝j+1后返回步骤(5)；若否，则得到更新后的相关系数矩阵C；步骤(7)：根据公式Ξ＝max{C，CT}计算得到矩阵Ξ，其中max{C，CT}表示取矩阵C与矩阵CT中相同位置上元素的最大值，上标号T表示矩阵或向量的转置，矩阵Ξ即可看做是m个变量之间的连接网络矩阵，每个变量可当成网络中的一个节点，元素1表示两节点之间有连接边，而元素0表示两节点之间无连接边；步骤(8)：利用Girvan-Newman算法对m个变量实施分层聚类，具体的实施过程如下所示：步骤(8.1)：计算m个节点连接网络中所有连接边的边介数；步骤(8.2)：找到边介数最高的连接边并将它从网络中移除，即将连接网络矩阵Ξ中相应的...

【专利技术属性】
技术研发人员：宋励嘉，童楚东，俞海珍，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江,33