【技术实现步骤摘要】
半监督RSDAE的非线性PLS间歇过程监测方法
[0001]本专利技术属于工业过程监测
,具体涉及一种半监督RSDAE(robust sparse deep auto
‑
encoder,鲁棒稀疏深度自编码)的非线性PLS(partial least square,偏最小二乘)间歇过程监测方法。
技术介绍
[0002]间歇过程作为一种重要的工业生产方式,在生物制药、食品饮料和精细化工等小批量、高附加值产品生产中得到广泛应用。随着生产规模扩大、产品品种增多以及复杂性增加,间歇过程具有强非线性、多模态特性、产品质量测量代价高和不及时等特征。因此,采用合适的质量软测量工具进行故障检测与诊断方法,保障复杂工业过程安全运行及产品质量平稳,已经逐渐成为过程控制领域研究的重要问题[参考文献1
‑
5]。
[0003]针对间歇过程监测与质量预测,很多学者提出回归模型,比如偏最小二乘(partial least squares,PLS)、规范变量分析(canonical variate analysis,CVA)、多线性回归(Multiple linear regression,MLR)、主成分回归(principal component regression,PCR)等质量相关的过程监测技术[参考文献6
‑
11]。这些方法通过易于测量的过程变量监测质量变量的波动,更有助于对产品质量指标的波动进行实时、在线监控和预测。PLS从高维数据中抽取少量隐藏变量解释与质量相关的问题 ...
【技术保护点】
【技术特征摘要】
1.一种半监督RSDAE的非线性PLS间歇过程监测方法,其特征在于,包括以下步骤:S1、建立半监督RSDAE,深度自编码器由多个编码器、解码器堆叠而成,编码器实现数据低维空间表示或者高维空间的数据完备表示,并通过选择隐层的节点数量确定输入数据隐藏变量的维数,解码器主要从编码中重构输入数据;S101、使用标记样本输入样本和无标记样本学习RSDAE模型初始参数;S102、基于SRE
‑
损失函数的无监督RSDAE网络参数训练;S103、基于SRE
‑
损失函数的有监督RSDAE网络参数微调;S2、基于半监督鲁棒稀疏深度自编码网络进行非线性PLS建模;S201、离线训练半监督RSDAE;S202、使用在隐藏特征空间数据集建立PLS模型;S3、根据步骤S2建立的PLS模型进行故障监测;S301、对测试数据进行归一化处理;S302、使用半监督RSDAE从测试样本提取隐藏特征;S303、计算故障监测统计量。2.根据权利要求1所述一种半监督RSDAE的非线性PLS间歇过程监测方法,其特征在于,所述步骤S101中,RSDAE由L个AE堆叠组成,其第l层编码器的输出h
(l)
为h
(l)
=f(z
(l)
),z
(l)
=W
(l,1)
h
(l
‑
1)
+b
(l,1)
ꢀꢀꢀꢀꢀꢀ
(22)其中,z
(l)
为第l层编码器输出隐含层的输入,h
(l
‑
1)
为第l
‑
1层编码器的输出,非线性激活函数f(z
(l)
)为编码器的输出,z
(l)
为第l层编码器的输入,W
(l,1)
和b
(l,1)
分别为第l层编码器输入层与输出层节点连接的权重矩阵和偏置向量,l=1,2,
…
,L,L为RSDAE模型编码器的数量;第l个解码器输出为其中,为RSDAE的第l个解码器的输出,表示第l个编码器输入的重构,l=1,2,
…
,L,L为RSDAE模型编码器的数量,h
(l)
为第l个编码器的输出,W
(l,2)
、b
(l,2)
分别为RSDAE模型中第l个解码器输入层与输出层连接的权重矩阵和偏置向量,表示RSDAE模型中第l个解码器输出层节点的输入,为非线性函数或线性函数;对每个AE模型参数由式(17)所示优化问题确定,稀疏隐层节点以及模型参数通过求解下面优化问题求取,式中,L(W,b)为优化问题目标函数,N为所有样本的数量,W,b分别表示AE的连接权重矩阵和偏置向量,x
i
为编码器的输入,为AE解码器的输出,表示解码器对输入数据x
i
的重构,i=1,2,
…
,N,γ为加权系数且γ>0,用于控制模型稀疏性与重构误差的折中,K为隐含节点数量,μ为通常接近于0的稀疏参数,为隐含节点i的平均激活值。3.根据权利要求2所述一种半监督RSDAE的非线性PLS间歇过程监测方法,其特征在于,所述步骤S102中,对第l层AE参数Θ的优化问题形式为
式中,nJ(Θ)为输入样本与其重构之间的损失函数,用于网络训练的目标函数,N为训练样本的数量,和分别为第l个AE模型的输入和重构输出,K
(l)
为第l个AE隐含节点数量,L
ε
(
·
)为SRE
‑
损失函数,SRE
‑
损失函数表示为其中,和形式为形式为式中,为凸函数,为非凸函数,t∈(0,1)控制不对称程度,β>0为正则化因子,σ>0为尺度因子,ε>0为不敏感参数。4.根据权利要求3所述一种半监督RSDAE的非线性PLS间歇过程监测方法,其特征在于,所述步骤S103中,给定样本(x,y),由RSDAE抽取x的隐藏表示记为h
(L)
,假设h
(L)
与y之间为线性关系,那么基于RSDAE的关于x的预测输出为式中,为基于RSDAE关于样本x的预测输出,矩阵W'和向量b'为回归模型的参数;利用有标签样本对RSDAE模型参数进行精细调整,通过下面最小化准则函数实现模型参数的微调,其中,Θ={W',b',W
(1,1)
,W
(2,1)
,b
(1,1)
,b
(2,1)
}表示需要调整参数集,N
Lab
为有标签样本数量,L
ε
为SRE
‑
损失函数,为RSDAE对样本输入x
i
的隐藏表示,W
(1,1)
为编码器第1隐藏层的输入权重矩阵,W
(2,1)
为编码器的第2隐藏层的输入权重矩阵,||W
(2,1)
||2表示矩阵W
(2,1)
的...
【专利技术属性】
技术研发人员:任世锦,开红梅,任珈仪,巩固,刘小洋,
申请(专利权)人:江苏师范大学,
类型:发明
国别省市:
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。