【技术实现步骤摘要】
一种基于并行投影局部保留的质量相关动态潜变量方法
[0001]本专利技术属于过程监测建模与应用领域，尤其是涉及一种基于并行投影局部保留的质量相关动态潜变量方法。
技术介绍
[0002]传感器技术和计算机技术的快速发展促进了数据采集技术的发展。数据驱动的建模和控制方法因此成为过程控制邻域的热门研究课题。工业传感器的发展允许实时监测数百个变量、温度、流量、压力和浓度。这些变量通常以秒或分钟为间隔进行采样，但一些重要的聚合物质量和转化率仍需要离线测量，需要数小时的时间。
[0003]为了有效地监控过程性能，不仅需要利用大量过程变量的测量数据，还需要利用不经常获得的质量数据。
[0004]多元投影方法如主成分分析(PCA)和偏最小二乘法(PLS)和典型相关分析(CCA)已被广泛使用监控过程，得到广泛关注和应用。质量变量用于指导过程数据的分解并提取与产品质量最相关的潜在变量，因此基于PCA的方法容易受到过程扰动，从而降低性能。
[0005]近年来，基于PLS和CCA的方法可以发现过程变量和质量变量之间的相关性。...
【技术保护点】
【技术特征摘要】
1.一种基于并行投影局部保留的质量相关动态潜变量方法，其特征在于，包括如下步骤：(1)构建低秩向量自回归模型：收集工业过程数据并标准化处理，建立低秩向量自回归模型以计算低秩的时序系数矩阵(2)质量相关分析：将邻域结构信息和集成到偏最小二乘模型，将步骤(1)得到的低秩时序系数矩阵输入到局部保留的潜变量模型以计算得分向量矩阵T；(3)并行投影：将步骤(2)得到的得分向量矩阵进行并发投影，使得输入和输出数据空间同时投影到五个子空间；(4)故障检测：在子空间中建立故障统计量以及子空间中对应的故障置信限，以检测故障发生；(5)故障诊断：在四个故障相关子空间中重构故障贡献以诊断故障变量。2.根据权利要求1所述的基于并行投影局部保留的质量相关动态潜变量方法，其特征在于，步骤(1)的具体过程为：(1
‑
1)收集工业过程正常工况下的观测数据时间间隔T，t时刻的观测数据表示为其中，代表向量自回归模型的系数矩阵，ε
t
是高斯噪声，d是时间滞后；(1
‑
2)为便于计算，将t时刻的观测数据表示为其中，(1
‑
3)为了处理多元时间序列数据，将向量构造成矩阵Z和矩阵Q(1
‑
4)采用L1范数正则化来学习回归模型中的低秩结构(1
‑
5)系数矩阵A的最优解通过坐标下降法或最小角度回归法得到；但是，λ无法显式选择和调整，因此采用低秩回归将A的秩约束为s＜min(n,k)(1
‑
6)根据Eckart
‑
Young定理，当Q非奇异时，在Z中进行奇异值分解(SVD)得到那么，全局最小的写成
其中，是矩阵Z的最优低秩近似，D
s
由Z的最大s奇异值组成；(1
‑
7)当Q奇异时，在矩阵Q上执行SCD分解以得到7)当Q奇异时，在矩阵Q上执行SCD分解以得到(1
‑
8)低秩约束进一步表示为其中，全局最优表示为其中，D
r(Q)
是由Q的所有非零奇异值组成的对角矩阵，r(Q)是Q的秩，a可以设置为零矩阵，E
r(Q)
包括前r(Q)行E。3.根据权利要求1所述的基于并行投影局部保留的质量相关动态潜变量方法，其特征在于，步骤(2)中，将邻域结构信息和集成到偏最小二乘模型具体为：假设过程数据矩阵X是通过对m个变量采样n
x
次形成的，数据矩阵Y是通过测量n
y
个质量变量形成的；为了得到质量变量对过程的影响，需要在X和Y的投影后找到最大相关性，并最大化得分向量之间的相关性t和u优化的目标不仅是最大化t和u的协方差，而且要保证t和u有最大方差；定义为：其中，S
X
和S
Y
是相似矩阵，和反映了样本间的结构信息，定义为其中，是均方距离和关于d
y
的相似度，d
x
和d
y
是控制内核宽度的两个可调参数。NE(x
j
)和NE(y
j
)是设置x
i
或x
j
的局部结构指标。4.根据权利要求3所述的基于并行投影局部保留的质量相关动态潜变量方法，其特征在于，步骤(2)中，计算得分向量矩阵T的过程为：
定义新的目标函数为其中，采用拉格朗日乘子求解以最大化目标函数采...
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。