青霉素发酵过程质量相关故障检测方法技术

本发明专利技术涉及一种青霉素发酵过程质量相关故障检测方法，步骤为：收集多个批次的正常操作工况下的数据，分为过程数据集和质量数据集，并进行展开以及标准化，得到新的正常操作过程数据集与质量数据集；对正常操作的过程数据和质量数据进行多子空间典型变量分析，得到五个子空间及五种统计量变量，并计算监控统计量的阈值；收集实时运行数据，进行标准化，得到新的过程数据集以及质量数据集；对实时运行数据执行多子空间典型变量分析，通过分析五个子空间的监控统计量超出阈值情况，获得故障检测结果。本发明专利技术基于典型变量分析，进一步考虑方差信息，对原始数据进行五个子空间映射，能够实现故障的精细检测，从而判断质量是否受过程故障的影响。

Quality related failure detection method in penicillin fermentation process

The invention relates to a penicillin fermentation process quality related fault detection method, which comprises the following steps: the normal operating conditions to collect multiple batches of data, divided into the process of data collection and quality data sets, and expansion and standardization, get a new data set during normal operation and the quality of the data set of process data and quality data; for the normal operation of the multi analysis of typical space variable, five sub space and five kinds of statistic variables, and calculate the threshold monitoring statistics; collect real-time data, standardization, get a number of new data sets and data sets for the implementation of quality; analysis of multi variables space typical real-time data, through monitoring statistics analysis the five sub space exceeds the threshold, the fault detection results obtained. Based on the analysis of canonical variables, further considering the variance information, the five sub space mapping of the raw data is carried out, and the fine detection of faults can be realized, so as to determine whether the quality is affected by process failures.

【技术实现步骤摘要】
青霉素发酵过程质量相关故障检测方法
本专利技术属于工业过程故障检测
，涉及间歇工业过程故障检测方法，具体地说，涉及了一种青霉素发酵过程质量相关故障检测方法。
技术介绍
为了适应现代社会瞬息万变的市场需求，现代工业生产正逐步倚重于生产多品种、小批量及高附加值的间歇工业生产过程。相较于连续过程，间歇工业生产过程机理复杂、操作复杂度高，产品质量容易受到环境条件、原材料质量、设备状况等不确定因素的影响。典型的间歇工业生产过程有制药、发酵以及半导体加工等，生活中随处可见间歇工业过程生产的产品。因此，间歇工业过程生产的安全性、稳定性以及产品的质量越来越受到关注。随着高集成、大规模的现代工业系统日益形成，大量的工业生产过程运行数据得以存储，使得基于数据驱动的故障检测技术广泛应用。研究人员提出了一系列基于数据驱动的间歇工业生产过程故障检测方法，包括主元分析(PCA)、独立元分析(ICA)、偏最小二乘(PLS)、典型变量分析(CVA)等。其中，典型变量分析(CVA)是JuricekBC等人近些年来提出一种新型故障检测方法(参考文献：JuricekBC,SeborgDE,LarimoreWE.Faultdetectionusingcanonicalvariateanalysis[J].Industrial&engineeringchemistryresearch,2004,43(2):458-474)，在工业过程故障诊断领域引起了广泛关注。根据故障过程变量和质量变量影响不同，实际工业生产过程中的故障形式分为3种，即：过程发生故障引起质量异常、过程发生故障没有引起质量异常(由于抑制器的作用)以及过程无故障质量异常(质量受设备等其他因素的影响)。现有故障检测方法多数集中在故障检测问题(即如何快速有效地发现过程故障)，然而对于质量相关的过程故障检测(即检测到过程故障后判断该故障对质量是否有影响)的研究相对较少，后者对于间歇工业生产过程具有重大研究意义。对于传统的基于CVA的故障检测方法而言，虽然取得了初步的成功应用，但是其存在的缺陷在于：(1)由于未区分过程数据空间和质量数据空间，无法辨别故障是否导致产品质量异常；(2)统计建模过程中对数据整体空间进行分析，监控方式不够精细，降低了故障检测效果。
技术实现思路
本专利技术针对间歇工业过程故障检测中存在无法辨别故障是否导致产品质量异常、故障检测效果低的不足，提供一种简单、精确有效的青霉素发酵过程质量相关故障检测方法，该方法能够判别过程故障是否导致产品质量异常，能够精细监控，提高故障检测效果。为了达到上述目的，本专利技术提供了一种青霉素发酵过程故障检测方法，含有以下步骤：(一)收集青霉素发酵过程中多个批次的正常操作工况下的数据，划分为过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)，其中，I代表批次数，J代表过程变量个数，M代表质量变量个数，K代表采样个数；将过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)进行展开以及标准化，得到新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)；(二)对新的正常操作过程数据集X(IK×J)以及质量数据集Y(IK×M)进行多子空间典型变量分析，得到过程质量相关子空间Φxy、不相关过程主元子空间不相关过程残差子空间不相关质量主元子空间不相关质量残差子空间五个子空间，计算过程质量相关子空间Φxy的统计量不相关过程主元子空间的统计量不相关过程残差子空间的统计量SPEex、不相关质量主元子空间的统计量不相关质量残差子空间的统计量SPEey五种统计量，并采用核密度估计的算法计算监控统计量的阀值；(三)收集实时运行数据，包括过程数据集和质量数据集进行标准化得到新的过程数据集X*和质量数据集Y*；(四)在步骤(三)的基础上，对实时运行数据执行多子空间典型变量分析，通过分析五个子空间的监控统计量超出阀值情况，获得故障检测结果。进一步的，所述步骤(一)中，将过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)先按批次进行展开得到过程数据集X1(I×JK)和质量数据集Y1(I×MK)，分别计算展开后过程数据集均值mean(X1)和标准差std(X1)以及质量数据集均值mean(Y1)和标准差std(Y1)，通过公式(1)、(2)对正常操作工况下的数据进行标准化处理，公式(1)、(2)的表达式如下：X2＝(X1-mean(X1))/std(X1)(1)Y2＝(Y1-mean(Y1))/std(Y1)(2)经上述公式(1)、(2)标准化处理后，再按照变量进行展开，即可获得新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)。进一步的，所述步骤(二)中，得到五个子空间的步骤为：对新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)进行多子空间典型变量分析，协方差阵以及互协方差阵可通过公式(3)得到，公式(3)的表达式如下：通过公式(4)进行奇异值分解，公式(4)的表达式如下：Σxx-1/2ΣxyΣyy-1/2＝UΣVT(4)提取前k对相关性较大的典型变量，构成向量u、v：式中，x与y分别是矩阵X和矩阵Y的行向量，Uk为矩阵U的前k列，Vk为矩阵V的前k列；由向量u、v张成的子空间为过程质量相关子空间Φxy；对过程质量相关子空间Φxy构造统计量为对向量u进行投影，得到进而得到估计残差估计残差ex对应的数据矩阵为：由估计残差ex张成的子空间为不相关过程子空间Φex；根据公式(9)对不相关过程子空间Φex进行主元分析，公式(9)的表达式如下：式中，表示Tex返回到不相关过程子空间Φex的投影矩阵，表示主元残差矩阵，Tex表示列向量个数为kex的主元的分矩阵，kex表示主元个数，Pex表示载荷矩阵；由张成的子空间为不相关过程主元子空间由张成的子空间为不相关过程残差子空间根据不相关过程主元子空间的得分向量以及残差向量得到不相关过程主元子空间的统计量以及不相关过程残差子空间的统计量SPEex为：式中，Λex表示kex个主元的特征值组成的对角矩阵；对向量v进行投影，得到进而得到估计残差估计残差ey对应的数据矩阵为：由估计残差ey张成的子空间为不相关质量子空间Φey；根据公式(14)对不相关过程子空间Φey进行主元分析，公式(14)的表达式如下：式中，表示Tey返回到不相关质量子空间Φey的投影矩阵，表示主元残差矩阵，Tey表示列向量个数为key的主元的分矩阵，key表示主元个数，Pey表示载荷矩阵；由张成的子空间为不相关质量主元子空间由张成的子空间为不相关质量残差子空间根据不相关过程主元子空间的得分向量以及残差向量得到不相关质量主元子空间的统计量以及不相关质量残差子空间的统计量SPEey为：式中，Λey表示key个主元的特征值组成的对角矩阵。进一步的，步骤(三)中，根据公式(17)、(18)对实时运行的过程数据集和质量数据集进行标准化处理，公式(17)、(18)的表达式如下：进一步的，步骤(四)中，通过分析五个子空间的监控统计量超出阈值情况获得故障检测结果时，若连续多个时刻的过程质量相关子空间Φxy的统计量超过阈值，则表明青霉素发酵过程中与质量相关的过程变量发生故障；若不相关过程主元子空间的统计量或者不相关过程残差子空本文档来自技高网...

【技术保护点】
一种青霉素发酵过程质量相关故障检测方法，其特征在于，含有以下步骤：(一)收集青霉素发酵过程中多个批次的正常操作工况下的数据，划分为过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)，其中，I代表批次数，J代表过程变量个数，M代表质量变量个数，K代表采样个数；将过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)进行展开以及标准化，得到新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)；(二)对新的正常操作过程数据集X(IK×J)以及质量数据集Y(IK×M)进行多子空间典型变量分析，得到过程质量相关子空间Φxy、不相关过程主元子空间

【技术特征摘要】
1.一种青霉素发酵过程质量相关故障检测方法，其特征在于，含有以下步骤：(一)收集青霉素发酵过程中多个批次的正常操作工况下的数据，划分为过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)，其中，I代表批次数，J代表过程变量个数，M代表质量变量个数，K代表采样个数；将过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)进行展开以及标准化，得到新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)；(二)对新的正常操作过程数据集X(IK×J)以及质量数据集Y(IK×M)进行多子空间典型变量分析，得到过程质量相关子空间Φxy、不相关过程主元子空间不相关过程残差子空间不相关质量主元子空间不相关质量残差子空间五个子空间，计算过程质量相关子空间Φxy的统计量不相关过程主元子空间的统计量不相关过程残差子空间的统计量SPEex、不相关质量主元子空间的统计量不相关质量残差子空间的统计量SPEey五种统计量，并采用核密度估计的算法计算监控统计量的阀值；(三)收集实时运行数据，包括过程数据集和质量数据集进行标准化得到新的过程数据集X*和质量数据集Y*；(四)在步骤(三)的基础上，对实时运行数据执行多子空间典型变量分析，通过分析五个子空间的监控统计量超出阀值情况，获得故障检测结果。2.如权利要求1所述的青霉素发酵过程质量相关故障检测方法，其特征在于，所述步骤(一)中，将过程数据集X0(I×J×K)和质量数据集Y0(I×M×K)先按批次进行展开得到过程数据集X1(I×JK)和质量数据集Y1(I×MK)，分别计算展开后过程数据集均值mean(X1)和标准差std(X1)以及质量数据集均值mean(Y1)和标准差std(Y1)，通过公式(1)、(2)对正常操作工况下的数据进行标准化处理，公式(1)、(2)的表达式如下：X2＝(X1-mean(X1))/std(X1)(1)Y2＝(Y1-mean(Y1))/std(Y1)(2)经上述公式(1)、(2)标准化处理后，再按照变量进行展开，即可获得新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)。3.如权利要求1或2所述的青霉素发酵过程质量相关故障检测方法，其特征在于，所述步骤(二)中，得到五个子空间的步骤为：对新的正常操作过程数据集X(IK×J)和质量数据集Y(IK×M)进行多子空间典型变量分析，协方差阵以及互协方差阵可通过公式(3)得到，公式(3)的表达式如下：通过公式(4)进行奇异值分解，公式(4)的表达式如下：Σxx-1/2ΣxyΣyy-1/2＝UΣVT(4)提取前k对相关性较大的典型变量，构成向量u、v：式中，x与y分别是矩阵X和矩阵Y的行向量，Uk为矩阵U的前k列，Vk为矩阵V的前k列；由向量u、v张成的子空间为过程质量相关子空间Φxy；对过程质量相关子空间Φxy构造统计量为对向量u进行投影，得到

【专利技术属性】
技术研发人员：邓晓刚，胡永平，曹玉苹，田学民，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37