【技术实现步骤摘要】
基于JY-MKPLS的间歇工业过程在线质量预测方法
本专利技术属于工业生产间歇过程的质量预测领域，具体涉及一种基于JY-MKPLS的间歇工业过程在线质量预测方法。
技术介绍
间歇过程一般用来生产小批量、多种类、高附加值的产品，以应对当前市场品种多、规格高的产品需求，因而在现代工业生产中具有十分重要的地位。在一个工业过程中，产品质量一直是人们关注的重点，因为产品质量不仅影响着一个企业的经济效益，也影响着其口碑信誉。然而，在实际的间歇工业过程生产中，往往只有在一个批次生产结束后才可以通过离线测量得到产品质量，并且离线测量方式的采样周期一般较长，即滞后时间长，导致对产品的质量把控不及时，也不利于生产的优化控制。如今，随着工业自动化不断发展，在线实时预测产品质量的技术应运而生。目前质量预测方法主要有两大类，一类是基于机理建模的方法；另一类是基于数据驱动的方法。机理建模法是指根据生产对象、生产过程的内部机制或者相关生产过程的物理化学原理等建立起来的精确数学模型。但是对于实际情况中某些比较复杂的生产过程，人们通常难以直接写出它的数学表达...
【技术保护点】
1.一种基于JY-MKPLS的间歇工业过程在线质量预测方法，其特征在于，包括两套完全一样的的生产设备，两套生产设备的内部参数设置各不相同；一套为新投入生产的生产设备，其具有a过程，另一套为已经投入生产的生产设备，其具有b过程；a过程为新投入生产的间歇过程，其投产时间短，数据较少，b过程为已经投入生产一段时间的相似的旧间歇过程，数据充足；a过程和b过程均具有J个过程变量，且每一个批次内有K个采样时间点；对于a过程和b过程均收集I个批次数得到典型的间歇过程三维输入数据X∈R
【技术特征摘要】 【专利技术属性】
1.一种基于JY-MKPLS的间歇工业过程在线质量预测方法，其特征在于，包括两套完全一样的的生产设备，两套生产设备的内部参数设置各不相同；一套为新投入生产的生产设备，其具有a过程，另一套为已经投入生产的生产设备，其具有b过程；a过程为新投入生产的间歇过程，其投产时间短，数据较少，b过程为已经投入生产一段时间的相似的旧间歇过程，数据充足；a过程和b过程均具有J个过程变量，且每一个批次内有K个采样时间点；对于a过程和b过程均收集I个批次数得到典型的间歇过程三维输入数据X∈RI×J×K和输出数据矩阵为Y∈RI×K；
具体包括以下步骤：
步骤1：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，得到二维输入矩阵Xa、Xb；将a过程、b过程的三维输出数据按照批次方向展开成二维矩阵，得到二维输出矩阵Ya、Yb；
步骤2：对a过程、b过程的输入矩阵Xa、Xb和a过程、b过程的输出数据矩阵Ya、Yb进行标准化处理，即对各列进行零均值和单位方差处理；
步骤3：将输入数据矩阵Xa、Xb利用非线性映射Φ:xi∈Rn→Φ(xi)∈F从低维原始空间投影到高维特征空间F，并在高维特征空间中计算核矩阵Ka、Kb：其中核矩阵的计算公式采用不同尺度的高斯核函数组合
步骤4：标准化核矩阵Ka、Kb：
其中，I是I×I单位矩阵，1I是矩阵元素都为1的I×I矩阵；
步骤5：对a过程和b过程的核矩阵Ka、Kb和输出数据矩阵Ya、Yb运行JY-MKPLS算法，此时，输入数据矩阵变为Ka、Kb，输出矩阵依旧是Ya、Yb，对于从输出矩阵Y中提取收敛的ui，令i＝1，，Kai，＝，KaKbi＝KbYai＝YaYbi＝Yb，i代表提取的潜变量的序号，联合输出矩阵为YJ＝[Yai；Ybi]；具体步骤如下：
S1：从联合输出矩阵YJi中提取任一列作为Yai、Ybi的得分向量uai、ubi的初始值，记：
S2：分别计算Kai、Kbi的得分向量tai、tbi；
S3:通过回归分析得到联合输出变量的负载矩阵qJi：
其中，标准化后负载矩阵为：
计算Yai、Ybi的得分向量uai＝YTaiqJi，uai←uai/||uai||；ubi＝YTbiqJi，ubi←ubi/||ubi||，若两个得分向量均收敛，则进行步骤6的计算，否则转至步骤1；
步骤6：计算Kai、Kbi的负载矩阵：
步骤7：bi＝[uai；ubi]T[tai；tbi]；
步骤8：
技术研发人员：褚菲，彭闯，王嘉琛，王琦，尚超，陆宁云，赵峻，张淑宁，贾润达，熊刚，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏;32
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。