一种基于慢特征回归分析的聚丙烯产品质量实时监测方法技术

本发明专利技术公开一种基于慢特征回归分析的聚丙烯产品质量实时监测方法，旨在分析出聚丙烯工业过程数据中与产品质量相关，且呈缓慢变化的慢特征，进而实现对聚丙烯产品质量是否异常的间接监测。具体来讲，首先针对聚丙烯工业过程常规采样数据实施慢特征分析，得到相应的多个慢特征；其次，本发明专利技术方法结合使用偏最小二乘算法建立慢特征与聚丙烯熔融指数间的回归模型，从而进一步将慢特征转换成与产品质量显著相关的慢特征；最后，利用与产品质量显著相关的慢特征实施聚丙烯产品质量的间接监测。本发明专利技术方法使用与聚丙烯产品质量相关的慢特征来间接实现对聚丙烯产品质量的监测，不仅能实现高频率的实时监测，而且还能决策异常是否会影响聚丙烯产品质量。

【技术实现步骤摘要】
一种基于慢特征回归分析的聚丙烯产品质量实时监测方法
本专利技术涉及一种异常检测方法，特别涉及一种基于慢特征回归分析的聚丙烯产品质量实时监测方法。
技术介绍
自从1957年丙烯聚合工业投入商业化以来，丙烯聚合催化剂和相关公益技术的进步，使聚丙烯成为全世界最有活力的聚合物之一。经过70～80年代高活性催化剂的推广使用，丙烯聚合工业的工艺技术得到了很大了发展，同时也使装置的投资和生产成本不短下降，企业效益不断增多。近年来，国内外多数企业已经淘汰了传统的溶剂淤浆聚合工艺，取而代之的是气相和本体聚合工艺。该工艺生产的聚丙烯产品品种多、牌号全、白度高、光学性能好、挥发性和灰分含量低、产品质量优异，不需进一步处理就能达到全部质量要求。由于聚丙烯的牌号取决于熔融指数，因此聚丙烯产品质量是与熔融指数直接相关的。简单来讲，监测聚丙烯产品质量就是监测聚丙烯熔融指数。监测聚丙烯产品的质量是否达标最简单的方式莫过于直接实时测量聚丙烯的熔融指数。然而，我国目前测量聚丙烯熔融指数的测量技术都是通过在线取样和离线分析化验得到。因此，通过实时测量聚丙烯的熔融指数实现聚丙烯产品质量的监测存在严重的滞后性问题，不能及时根据聚丙烯产品质量的异常变化来调控生产流程。相对于熔融指数的长测量周期，聚丙烯工艺流程中诸如温度、压力、流量等数据信息在先进测量仪表与计算技术的帮助下可实现高频率的测量，这些常规测量变量对应的海量数据为间接实施聚丙烯产品质量的监测提供了充实的数据基础。通常而言，为了维持聚丙烯产品质量稳定不变，需要保障其整个生产过程的状态维持现状基本不变。虽然通过机理分析或者技术人员的经验知识，可以大致区分出能直接影响聚丙烯产品质量的测量变量，但是这些信息毕竟是大致上的，无法做到精确的区分。而从数据驱动的角度出发，可以实现不依赖这些大致经验知识确定出与聚丙烯产品质量相关的特征，从而通过监测相关特征的变化来反应聚丙烯产品是否出现异常。此外，考虑到聚丙烯工业生产过程的平稳性，其测量数据中包含一些非常关键的呈缓慢变化趋势的特征，这些特征能反应出聚丙烯生产过程的本质，对于间接实施聚丙烯产品质量的监测有较大的助益。
技术实现思路
本专利技术所要解决的主要技术问题是：如何分析出聚丙烯工业过程数据中与产品质量相关且呈缓慢变化的慢特征，从而通过这些慢特征实现对聚丙烯产品质量是否异常的间接监测。具体来讲，本专利技术方法首先针对聚丙烯工业过程常规采样数据实施慢特征分析，得到相应的多个慢特征；其次，本专利技术方法结合使用偏最小二乘算法建立慢特征与聚丙烯熔融指数间的回归模型，从而进一步将慢特征转换成与产品质量显著相关的慢特征；最后，利用与产品质量显著相关的慢特征实施聚丙烯产品质量的间接监测。本专利技术方法解决上述问题所采用的技术方案为：一种基于慢特征回归分析的聚丙烯产品质量实时监测方法，包括以下步骤：步骤(1)：确定聚丙烯生产过程的测量变量，具体包括四个反应器的28个测量变量；其中，第一反应器和第二反应器是液相连续搅拌反应器，第三反应器和第四反应器是气相流化床反应器，每个反应器所属的7个测量变量依次是：反应器温度，反应器压力，反应器液位，氢气进料流量，丙烯进料流量，催化剂进料流量，和回流流量。步骤(2)：根据确定的测量变量，连续采集N个采样时刻的样本数据后，将相应的样本数据存储为一个N×28维的数据矩阵X；与此同时，每间隔2小时采样分析得到第四反应器聚丙烯产品的熔融指数，并将熔融指数对应的n个数据存储为一个n×1维的数据向量y。步骤(3)：按照如下所示公式组建列向量Y∈RN×1：其中，y1，y2，…，yn表示数据向量y中的第一个至第n个元素，h等于测量变量与熔融指数的采样频率之比，RN×1表示N×1维的实数向量，R表示实数集，上标号T表示矩阵或向量的转置。步骤(4)：根据如下所示公式分别对X中的列向量z1，z2，…，z28以及列向量Y实施标准化处理，对应得到输入矩阵以及输出向量其中，μk与δk分别表示列向量zk∈RN×1中所有元素的均值与标准差，μY和δY分别表示列向量Y中所有元素的均值与标准差，k∈{1，2，…，28}。步骤(5)：根据如下所示步骤(5.1)至步骤(5.4)对输入矩阵实施慢特征分析，从而得到慢特征矩阵S∈RN×m，转换矩阵W∈R28×m，和载荷矩阵P∈R28×m；其中，m表示慢特征的个数，RN×m表示N×m维的实数矩阵，R28×m表示28×m维的实数矩阵。步骤(5.1)：设置阈值η后，再初始化g＝1。步骤(5.2)：将输入矩阵中第1行至第N-1行的行向量组成矩阵并将输入矩阵中第2行至第N行的行向量组成矩阵后，根据公式计算差分矩阵ΔX。步骤(5.3)：求解广义特征值问题中最小特征值λ所对应的特征向量v后，根据计算转换向量wg；其中，上标号T表示矩阵或向量的转置。步骤(5.4)：判断λ是否小于阈值η；若是，则计算慢特征向量和载荷向量并根据公式更新输入矩阵后，设置g＝g+1再返回步骤(5.2)；若否，则将s1，s2，…，sg-1合并成慢特征矩阵S＝[s1，s2，…，sg-1]，将w1，w2，…，wg-1合并成转换矩阵W＝[w1，w2，…，wg-1]，并将p1，p2，…，pg-1合并成载荷矩阵P＝[p1，p2，…，pg-1]后，再根据W＝W(PTW)-1更新转换矩阵W；其中，m＝g-1。步骤(6)：利用偏最小二乘算法建立S与输出向量之间的回归模型，即：其中，得分矩阵U＝SA，A∈Rm×d表示投影矩阵，V∈Rm×d表示载荷矩阵，q∈Rd×1表示系数向量，E和f分别为误差矩阵与误差向量，d为得分向量的个数，确定d的具体实施过程如步骤(6.1)至步骤(6.5)所示。步骤(6.1)：设置N1等于N除以5的商，再依次将慢特征矩阵S中第1行至第N1行的行向量，第N1+1行至第2N1行的行向量，第2N1+1行至第3N1行的行向量，第3N1+1行至第4N1行的行向量，第4N1+1行至第N行的行向量，分别组成子慢特征矩阵S1，S2，S3，S4，S5，同时对应的将输出向量中相同行的元素分别组成子输出向量y1，y2，y3，y4，y5后，初始化b＝1。步骤(6.2)：将第b个子慢特征矩阵Sb和子输出向量yb分别当成测试输入矩阵与测试输出矩阵，再将其余的4个子慢特征矩阵合并成一个训练输入矩阵S0，其余的4个子输出向量合并成一个训练输出向量Y0。步骤(6.3)：根据如下所示步骤(A)至步骤(D)计算得到均方误差向量eb∈R1×w。步骤(A)：设置j＝1后，初始化u＝Y0。步骤(B)：计算向量后，再计算得分向量βj＝S0αj；其中，||||表示计算向量的长度。步骤(C)：先计算载荷向量再计算系数后，再计算测试得分向量和eb中的第j个元素步骤(D)：判断是否满足条件j＜m；若是，则根据公式和分别更新S0和Sb后，设置j＝j+1再返回步骤(B)；若否，则得到均方误差向量eb∈R1×m中的所有m个元素。步骤(6.4)：判断是否本文档来自技高网...

【技术保护点】
1.一种基于慢特征回归分析的聚丙烯产品质量实时监测方法，其特征在于，具体包括以下所示步骤：/n步骤(1)：确定聚丙烯生产过程的测量变量，具体包括四个反应器的28个测量变量；其中，第一反应器和第二反应器是液相连续搅拌反应器，第三反应器和第四反应器是气相流化床反应器，每个反应器所属的7个测量变量依次是：反应器温度，反应器压力，反应器液位，氢气进料流量，丙烯进料流量，催化剂进料流量，和回流流量；/n步骤(2)：根据确定的测量变量，连续采集N个采样时刻的样本数据后，将相应的样本数据存储为一个N×28维的数据矩阵X；与此同时，每间隔2小时采样分析得到第四反应器聚丙烯产品的熔融指数，并将熔融指数对应的n个数据存储为一个n×1维的数据向量y；/n步骤(3)：按照如下所示公式组建列向量Y∈R

【技术特征摘要】
1.一种基于慢特征回归分析的聚丙烯产品质量实时监测方法，其特征在于，具体包括以下所示步骤：
步骤(1)：确定聚丙烯生产过程的测量变量，具体包括四个反应器的28个测量变量；其中，第一反应器和第二反应器是液相连续搅拌反应器，第三反应器和第四反应器是气相流化床反应器，每个反应器所属的7个测量变量依次是：反应器温度，反应器压力，反应器液位，氢气进料流量，丙烯进料流量，催化剂进料流量，和回流流量；
步骤(2)：根据确定的测量变量，连续采集N个采样时刻的样本数据后，将相应的样本数据存储为一个N×28维的数据矩阵X；与此同时，每间隔2小时采样分析得到第四反应器聚丙烯产品的熔融指数，并将熔融指数对应的n个数据存储为一个n×1维的数据向量y；
步骤(3)：按照如下所示公式组建列向量Y∈RN×1：



其中，y1，y2，…，yn表示数据向量y中的第一个至第n个元素，h等于测量变量与熔融指数的采样频率之比，RN×1表示N×1维的实数向量，R表示实数集，上标号T表示矩阵或向量的转置；
步骤(4)：根据如下所示公式分别对X中的列向量z1，z2，…，z28以及列向量Y实施标准化处理，对应得到输入矩阵以及输出向量



其中，μk与δk分别表示列向量zk∈RN×1中所有元素的均值与标准差，μY和δY分别表示列向量Y中所有元素的均值与标准差，k∈{1，2，…，28}；
步骤(5)：根据如下所示步骤(5.1)至步骤(5.4)对输入矩阵实施慢特征分析，从而得到慢特征矩阵S∈RN×m，转换矩阵W∈R28×m，和载荷矩阵P∈R28×m；其中，m表示慢特征的个数，RN×m表示N×m维的实数矩阵，R28×m表示28×m维的实数矩阵，R表示实数集；
步骤(5.1)：设置阈值η后，再初始化g＝1；
步骤(5.2)：将输入矩阵中第1行至第N-1行的行向量组成矩阵并将输入矩阵中第2行至第N行的行向量组成矩阵后，根据公式计算差分矩阵ΔX；
步骤(5.3)：求解广义特征值问题中最小特征值λ所对应的特征向量v后，根据计算转换向量wg；其中，上标号T表示矩阵或向量的转置；
步骤(5.4)：判断λ是否小于阈值η；若是，则计算慢特征向量和载荷向量并根据公式更新输入矩阵后，设置g＝g+1再返回步骤(5.2)；若否，则将s1，s2，…，sg-1合并成慢特征矩阵S＝[s1，s2，…，sg-1]，将w1，w2，…，wg-1合并成转换矩阵W＝[w1，w2，…，wg-1]，并将p1，p2，…，pg-1合并成载荷矩阵P＝[p1，p2，…，pg-1]后，再根据W＝W(PTW)-1更新转换矩阵W∈R28×m；其中，m＝g-1；
步骤(6)：利用偏最小二乘算法建立S与输出向量之间的回归模型，即：



其中，得分矩阵U＝SA，A∈Rm×d表示投影矩阵，V∈Rm×d表示载荷矩阵，q∈Rd×1表示系数向量，E和f分别为误差矩阵与误差向量，d为得分向量的个数；
步骤(7)：将与E合并成一个残差矩阵并对其实施奇异值分解，即：F＝GΛHT，再计算分解矩阵后，分别根据公式D＝diag{UC-1UT}和Q＝diag{GGT}计算监测指标向量D和Q；其中，对角矩阵Λ对角线上的元素由非零奇异值组成，G和H分别是奇异值分解的两个酉矩阵，C＝(UTU)/(N-1)，diag{}表示将大括号内矩阵对角线元素转变成向量的操作；
步骤(8)：将监测指标向量D和Q的最大值分别记录为Dli...

【专利技术属性】
技术研发人员：陈勇旗，陈杨，赵炜涛，
申请(专利权)人：宁波大学科学技术学院，
类型：发明
国别省市：浙江;33