一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法技术

本发明专利技术公开了一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法，从有利于异常检测的角度出发，针对性的从青霉素生产的样本数据中提取出时序判别特征，直接用于青霉素生产异常的实时监测。具体来讲，本发明专利技术方法通过滑动窗口实时获取青霉素新生产批次的多个样本数据，并针对性的为这多个数据向量实施相应的时序判别特征分析得到相应的在线判别特征。与此同时，利用实时得到的一组左右转换向量对正常生产批次下的参考窗口矩阵实施同样的转换，并将参考判别特征变化的最大值和最小值用作于在线判别特征的上限和下限，从而可实施青霉素生产的异常检测。与传统方法相比，本发明专利技术方法实时提取的判别特征更有利于实施青霉素生产的异常检测。青霉素生产的异常检测。青霉素生产的异常检测。

【技术实现步骤摘要】
一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法


[0001]本专利技术涉及一种工业过程异常检测方法，特别涉及一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法。

技术介绍

[0002]在生物产品制造过程中，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。第一个阶段是间歇操作阶段，在培养罐中培养大量能产生青霉素的菌体，这是青霉素发酵的准备阶段。随着菌体的繁殖，葡萄糖底料逐渐被消耗殆尽；第二阶段是半间歇操作阶段，为了产出高品质的青霉素，需要向培养罐中不断补加葡萄糖物料，促使菌体的生长速率快速增加。对于青霉素的整个生产过程，培养罐压力、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]以青霉素生产为代表的间歇批次生产过程是现代工业生产中的一类重要生产形式，所占比重越来越大，人们对于其生产过程的安全性与生产效率的要求日益增高，如何准确及时的辨别生产过程中出现的故障后异常，已经成为工业界研究的重要内容。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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于滑动窗口时序判别特征分析的青霉素生产异常检测方法，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
后，再设置滑动窗口的长度等于L；其中，第j个青霉素正常生产批次对应的批次矩阵X
j
∈R
N
×
13
具体由N个1
×
13维的数据向量组成，j∈{1，2，
…
，J}，R
N
×
13
表示N
×
13维的实数矩阵，R表示实数集；步骤(2)：获取青霉素生产最新批次各个采样时刻的样本数据，并将每个采样时刻的13个样本数据组建成一个1
×
13维的数据向量，当获取到L个采样时刻的数据向量x1，x2，
…
，x
L
时，再设置k＝1并执行步骤(3)；步骤(3)：分别将批次矩阵X1，X2，
…
，X
J
中第k行至第k+L
‑
1行的行向量对应组成训练窗口矩阵后，再计算J个训练窗口矩阵的平均值矩阵U∈R
L
×
13
和标准差矩阵Φ∈R
L
×
13
；其中，第j个训练窗口矩阵具体是由第j个批次矩阵X
j
中第k行至第k+L
‑
1行的行向量组成，U中第a行第b列元素等于中第a行第b列元素的平均值，a∈{1，2，
…
，L}，b∈{1，2，
…
，13}，Φ中第a行第b列元素等于中第a行第b列元素的标准差；步骤(4)：设置滑动窗口矩阵X
t
∈R
L
×
13
中第1行至第L行的行向量分别等于x1，x2，
…
，x
L
后，再利用公式对X
t
实施标准化处理从而得到在线窗口矩阵并使用公式对训练窗口矩阵实施标准化处理得到参考窗口矩阵其中，j∈{1，2，
…
，J}，表示第j个参考窗口矩阵，符号表示将矩阵中相同位置的元素相除；步骤(5)：为在线窗口矩阵实施时序判别特征分析，得到相应的左转换向量β
t
∈R
L
×1和右转换向量w
t
∈R
13
×1后，再计算在线判别特征具体的实施过程如步骤(5.1)至步骤(5.4)所示；步骤(5.1)：初始化右转换向量w
t
为任意一个13
×
1维的实数向量；步骤(5.2)：根据公式计算出矩阵G
w
后，...

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