本发明专利技术提供一种基于核最小二乘回归的青霉素发酵过程故障分离方法，包括：获取青霉素发酵过程的历史故障数据集；根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；实时采集青霉素发酵过程数据并判断当前青霉素发酵过程是否发生故障；利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。本发明专利技术通过引入核最小二乘回归，将非线性的数据映射到线性空间，从而能够解决非线性空间的故障监测和故障诊断问题，并且能够以较高精度的分离出故障的种类。
【技术实现步骤摘要】
【专利摘要】本专利技术提供，包括：获取青霉素发酵过程的历史故障数据集；根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；实时采集青霉素发酵过程数据并判断当前青霉素发酵过程是否发生故障；利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。本专利技术通过引入核最小二乘回归，将非线性的数据映射到线性空间，从而能够解决非线性空间的故障监测和故障诊断问题，并且能够以较高精度的分离出故障的种类。【专利说明】—种基于核最小二乘回归的青霉素发酵过程故障分离方法
本专利技术属于故障检测与诊断
，具体涉及。
技术介绍
青霉素作为抗生素的一种，具有广泛的临床医用价值；作为二次代谢产物的一种，其生产设备是一个典型的非线性、动态生产过程，具有重要的学术研究和工业应用价值。青霉素发酵过程的流程示意图如图1所示，其中PH值和温度采用闭环控制，而补料采用开环定值控制，通过控制过程的PH值和发酵期内的温度，可以使反应在最佳的条件下进行。整个生产周期包含4个生理期，反应滞后期、菌体迅速生长期、青霉素合成期和菌体死亡(自溶)期；2个物理子阶段:细胞培养阶段(又称为批量操作阶段，对应后两个生理期，大约持续45h)与青霉素补料发酵阶段(又称为间歇补料操作阶段，对应后两个生理期，大约持续355h)。作为二次发酵生物代谢过程，此为初始培养阶段；然后，通过不断的补充葡萄糖，促进青霉素的合成，此为青霉素发酵阶段，此阶段所需要的细胞都是在初始培养阶段产生的。在发酵阶段，青霉素作为代谢产物开始产生，经过指数生长期，一直持续到静止期。 由于目前我国多数青霉素发酵过程自动化程度还比较低，往往在生产过程中会出现故障和异常情况频繁发生的情况。其中，在控制泡沫时，若天然油脂使用过多则会影响菌体的呼吸代谢，若天然油脂的量过少则影响发酵的速度。在控制泡沫的时候，还需要加入酸、碱以调节发酵的PH值，过多或过少的酸、碱都会影响发酵的pH值，从而造成青霉素发酵失败。 另外，在细胞培养阶段，菌体的浓度低，培养基营养丰富，容易形成染菌。青霉素发酵前期，染菌后杂菌容易繁殖，与生产菌争夺营养成分和氧分，严重干扰生产菌的生长繁殖和产物的生成，干扰生产秩序，破坏生产计划；发酵中期染菌会严重干扰生产菌的代谢，影响产物的生成，此时，一般会采用“倒灌”的做法，这样会造成大量原材料的浪费和操作费用的增加。因此需要及时地诊断青霉素发酵过程中出现的异常和故障。这些危险因素在一定条件下，使得过程失败，甚至造成事故的发生、生产的扰乱、生活的不安全、环境的严重污染和经济的大量损失。
技术实现思路
针对现有技术存在的不足，本专利技术提供。 本专利技术的技术方案是这样实现的: —种基于核最小二乘回归的青霉素发酵过程故障分离方法，包括以下步骤: 步骤1:获取青霉素发酵过程的历史故障数据集，所述故障数据包括通风率、搅拌器的功率以及底物喂料的流速； 步骤2:根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别； 步骤2.1:将青霉素发酵过程的历史故障数据集X映射到高维特征空间，青霉素发酵过程的历史故障数据集X的线性目标函数XW+entT ^ Y，其相应的非线性目标函数φ (X)W+entT~Y，其中，Φ (X)是青霉素发酵过程的历史故障数据X的投影函数，Y是故障类别矩阵，en是单位矩阵，W是转换矩阵，t是平移向量； 步骤2.2:利用拖拽因子B Θ M对青霉素发酵过程的历史故障数据集X的非线性目标函数Φ⑴W+entT~Y进行优化，得到优化的非线性目标函数Φ (X)ff+entT-(Y+B Θ Μ) ^ O, B是拖拽方向矩阵、M是拖拽量矩阵； 步骤2.3:根据核最小二乘回归学习LSR框架，建立基于核最小二乘回归的青霉素发酵过程故障分离模型: 【权利要求】1.，其特征在于:包括以下步骤: 步骤1:获取青霉素发酵过程的历史故障数据集，所述故障数据包括通风率、搅拌器的功率以及底物喂料的流速； 步骤2:根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别； 步骤2.1:将青霉素发酵过程的历史故障数据集X映射到高维特征空间，青霉素发酵过程的历史故障数据集X的线性目标函数XW+entT ^ Y，其相应的非线性目标函数Φ (X)W+entT~Y，其中，Φ (X)是青霉素发酵过程的历史故障数据X的投影函数，Y是故障类别矩阵，en是单位矩阵，W是转换矩阵，t是平移向量； 步骤2.2:利用拖拽因子B Θ M对青霉素发酵过程的历史故障数据集X的非线性目标函数Φ⑴W+entT ^ Y进行优化，得到优化的非线性目标函数Φ (X)W+entT-(Y+B O M) ^ O,B是拖拽方向矩阵、M是拖拽量矩阵； 步骤2.3:根据核最小二乘回归学习LSR框架，建立基于核最小二乘回归的青霉素发酵过程故障分离模型:该模型以优化的非线性目标函数最小化为目标，以拖拽量矩阵M ^ O为边界条件； 步骤2.4:确定基于核最小二乘回归的青霉素发酵过程故障分离模型的W、t和M ; 步骤2.4.1:根据矩阵求导理论确定W ； 步骤2.4.2:根据矩阵求导理论确定t ； 步骤2.4.3:根据基于Frobenius范数平方按元素解耦理论确定M ； 步骤2.5:确定最终的基于核最小二乘回归的青霉素发酵过程故障分离模型； 步骤3:实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并根据采集的青霉素发酵过程数据判断当前青霉素发酵过程是否发生故障； 步骤3.1:实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并进行中心化和标准化处理； 步骤3.2:求出实时采集青霉素发酵过程数据的核矩阵，并将其中心化和标准化处理；步骤3.3:计算新数据的SPE统计量和霍特林统计量T2，利用核主元分析方法KPCA判断当前青霉素发酵过程是否发生故障:若SPE统计量或霍特林统计量T2超出相应的置信上限，则当前青霉素发酵过程发生故障，执行步骤4，否则返回步骤3.1 ； 步骤4:利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。【文档编号】G06F19/00GK104133990SQ201410336972【公开日】2014年11月5日 申请日期:2014年7月15日 优先权日:2014年7月15日 【专利技术者】张颖伟, 刘施涛 申请人:东北大学本文档来自技高网...
【技术保护点】
一种基于核最小二乘回归的青霉素发酵过程故障分离方法，其特征在于：包括以下步骤：步骤1：获取青霉素发酵过程的历史故障数据集，所述故障数据包括通风率、搅拌器的功率以及底物喂料的流速；步骤2：根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；步骤2.1：将青霉素发酵过程的历史故障数据集X映射到高维特征空间，青霉素发酵过程的历史故障数据集X的线性目标函数XW+entT≈Y，其相应的非线性目标函数Φ(X)W+entT≈Y，其中，Φ(X)是青霉素发酵过程的历史故障数据X的投影函数，Y是故障类别矩阵，en是单位矩阵，W是转换矩阵，t是平移向量；步骤2.2：利用拖拽因子B⊙M对青霉素发酵过程的历史故障数据集X的非线性目标函数Φ(X)W+entT≈Y进行优化，得到优化的非线性目标函数Φ(X)W+entT‑(Y+B⊙M)≈0，B是拖拽方向矩阵、M是拖拽量矩阵；步骤2.3：根据核最小二乘回归学习LSR框架，建立基于核最小二乘回归的青霉素发酵过程故障分离模型：该模型以优化的非线性目标函数最小化为目标，以拖拽量矩阵M≥0为边界条件；步骤2.4：确定基于核最小二乘回归的青霉素发酵过程故障分离模型的W、t和M；步骤2.4.1：根据矩阵求导理论确定W；步骤2.4.2：根据矩阵求导理论确定t；步骤2.4.3：根据基于Frobenius范数平方按元素解耦理论确定M；步骤2.5：确定最终的基于核最小二乘回归的青霉素发酵过程故障分离模型；步骤3：实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并根据采集的青霉素发酵过程数据判断当前青霉素发酵过程是否发生故障；步骤3.1：实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并进行中心化和标准化处理；步骤3.2：求出实时采集青霉素发酵过程数据的核矩阵，并将其中心化和标准化处理；步骤3.3：计算新数据的SPE统计量和霍特林统计量T2，利用核主元分析方法KPCA判断当前青霉素发酵过程是否发生故障：若SPE统计量或霍特林统计量T2超出相应的置信上限，则当前青霉素发酵过程发生故障，执行步骤4，否则返回步骤3.1；步骤4：利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张颖伟，刘施涛，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。