【技术实现步骤摘要】
一种基于邻域差异特征分析提取的批次生产过程监测方法
[0001]本专利技术涉及一种间歇过程运行状态监测方法,特别涉及一种基于邻域差异特征分析提取的批次生产过程监测方法。
技术介绍
[0002]随着生物技术的快速发展,间歇过程已成为现代工业的一种重要生产方式,而青霉素发酵过程属于典型的间歇过程,具有多阶段性、时变性、多批次性等特点。青霉素发酵是按照生产批次间歇完成的一个过程,它的操作主要分为两个阶段。第一个阶段是在培养罐中培养大量能产生青霉素的菌体。当菌体的繁殖达到一定程度后,进入第二阶段由菌体生产出青霉素。在第二阶段中,需要向反应器中不断补加葡萄糖物料,促使菌体的活性。对于青霉素的整个生产过程,罐体温度、罐内pH值、搅拌功率、通气量等诸多因素都对加工过程和产品质量有着重要的影响。
[0003]为了提高青霉素产品的品质,需要对青霉素整个生产过程进行监测,及时的发现异常或故障的青霉素生产批次。然而,对于青霉素生产这样一个复杂过程来说,很难建立精确的机理模型。因此,过去几年来,都是通过采样数据驱动的方式来实施青霉素批次生产过程监测。这主要得益于分布式控制系统(Distributed Control System,缩写:DCS)广泛应用于青霉素生产中,采样数据的实时测量,和数据传输变得越来越容易。由于青霉素生产的具体是包含两个阶段,两个阶段不同的操作导致采样数据存在明显的区别。而且,每个批次的青霉素生产时间长度存在的差别导致每个批次的采样数据个数不等,即数据不等长问题。因此,对青霉素生产进行数据驱动的过程监测是存在较 ...
【技术保护点】
【技术特征摘要】
1.一种基于邻域差异特征分析提取的批次生产过程监测方法,其特征在于,具体包括以下所示步骤:步骤(1):从青霉素生产批次的历史数据库中,获取J个青霉素正常生产批次的样本数据集,按照采样时间先后分别组成相应的批次矩阵X1,X2,
…
,X
J
;其中,第j个青霉素正常生产批次对应的批次矩阵具体由N
j
个10
×
1维的数据向量组成,j∈{1,2,
…
,J},表示10
×
N
j
维的实数矩阵,R表示实数集,X
j
中的第1列向量为第j个青霉素正常生产批次的第1个采样时刻的数据向量,X
j
中的第N
j
列向量为第j个青霉素正常生产批次的第N
j
个采样时刻的数据向量;步骤(2):设置时间邻域窗口的基准长度等于L,开始青霉素最新生产批次的生产,并获取各个采样时刻的样本数据;其中,L是一个正整数;步骤(3):将最新采样时刻的10个样本数据组建成一个10
×
1维的数据向量x
t
,分别从批次矩阵X1,X2,
…
,X
J
中获取参考数据向量,从而合并组建成参考数据矩阵X
t
,具体如步骤(3.1)至步骤(3.4)所示;步骤(3.1):将当前采样时刻记为青霉素最新生产批次的第ζ个采样时刻后,再初始化j=2;步骤(3.2):判断ζ是否大于L;若否,则将X1中第1列至第ζ+L列的列向量组建成参考数据矩阵X
t
;若是,则将X1中第ζ
‑
L列至第min{ζ+L,N1}列的列向量组建成参考数据矩阵X
t
;其中,min{ζ+L,N1}表示选取ζ+L与N1中的最小值;步骤(3.3):判断ζ是否大于L;若否,则将X
j
中第1列至第ζ+L列的列向量依次记录为参考数据向量v1,v2,
…
,v
ζ+L
后,再根据公式X
t
=[X
t
,v1,v2,
…
,v
ζ+L
]更新参考数据矩阵X
t
;若是,则将X
j
中第ζ
‑
L列至第列的列向量依次记录为参考数据向量后,再根据公式更新参考数据矩阵X
t
;其中,表示选取ζ+L与N
j
中的最小值;步骤(3.4):判断j是否小于J;若...
【专利技术属性】
技术研发人员:陈杨,王瑾,陈勇旗,
申请(专利权)人:宁波大学科学技术学院,
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。