一种基于制造技术

本申请提供一种基于

【技术实现步骤摘要】
一种基于DiCC
‑
SFA的甲基锡反应过程动态内部慢特征提取方法


[0001]本申请涉及甲基锡反应的监测
，具体涉及一种基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法
。

技术介绍

[0002]基于甲基锡反应实时测量数据对工业过程实施监测是保障甲基锡反应过程安全平稳运行的有效手段
。
然而，甲基锡反应作为一种复杂化工生产过程，数据具有多样性
、
高维性
、
非线性以及耦合性的特点
。
另外，由于存在操纵变量多
、
连续性强
、
动态关系复杂等特性，甲基锡反应过程运行状态表现为渐变式的变化，其异常状态初期数据变化幅度小
、
过程变量时间传递关系复杂，传统监测方法难以及时对其进行监测
。

技术实现思路

[0003]本申请的目的在于克服现有技术中的缺点与不足，提供一种基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，可以高效准确地对监测甲基锡反应
。
[0004]本申请实施例的第一方面提供了一种基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，包括：
[0005]获取监测的甲基锡反应的历史数据，对所述历史数据进行标准化处理，得到具有零均值和标准差的甲基锡反应过程数据集；
[0006]根据所述甲基锡反应过程数据集，通过动态
‑
内部典型相关分析方法和原始慢特征分析方法进行分析建模，得到甲基锡反应的动态内部慢特征提取模型的第一目标函数和第二目标函数；
[0007]确定甲基锡反应的自回归预测模型的动态阶数以及所述第一目标函数的第一权重系数
、
所述第二目标函数的第二权重系数；
[0008]根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和标量映射矩阵的计算法则；
[0009]从
DCS
系统采集的甲基锡反应过程历史数据或者实时监测数据中提取潜在慢特征；根据所述慢特征，获取主要慢特征的数量；其中，所述主要慢特征为携带甲基锡反应的重要信息的慢特征；
[0010]根据所述慢特征的缓慢程度
、
所述主要慢特征的数量
、
所述自回归系数矩阵和所述标量映射矩阵，获取预设的多个目标监测数据的监测统计量；
[0011]根据所述监测统计量及预设的控制限，确定所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型，或者，用
DCS
系统以相等时间间隔采集的甲基锡反应过程实时测量数据集更新所述甲基锡反应过程数据集，根据所述监测统计量及预设的控制限，确定更新的所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型
。
[0012]进一步，根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤包括：
[0013]根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，将多目标问题转化为单目标优化问题，如下公式所示：
[0014][0015][0016]；其中，
max J
为单目标优化问题的目标值的最大值，
α1为第一目标函数的权重系数，
J1为第一目标函数，
α2为第二目标函数的权重系数，
J2为第二目标函数，
W
j
为甲基锡反应过程数据集的第
j
行的标量映射矩阵，用于提取第
j
个潜在特征，
Y
为从所述甲基锡反应过程数据集组织的调整输入矩阵，
Y1
为从所述甲基锡反应过程数据集组织的
Y
中重新组织的新的调整输入矩阵，
Z
为从所述甲基锡反应过程数据集组织的新的扩展输入矩阵，
Z1
为从所述甲基锡反应过程数据集的
Z
中重新组织的新的扩展输入矩阵，
β
j
为目标数据的第
j
个数据的自回归系数矩阵；
[0017]利用拉格朗日乘子法处理所述单目标优化问题，如下公式所示：
[0018][0019]其中，为克罗内克积；
[0020]所述克罗内克积满足所述克罗内克积满足为标量映射矩阵
W
j
的单位矩阵，为自回归系数矩阵
β
j
的单位矩阵；
[0021]分别对所述自回归系数矩阵和所述标量映射矩阵求偏导，并令偏导等于0，得到单目标优化问题的目标值与特征值的关系；
[0022]根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则
。
[0023]进一步，根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：
[0024]根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：
[0025][0026][0027]对上述公式进行简化，得到所述自回归系数矩阵的计算法则：
[0028][0029]；其中，
λ
为特征值，
Y
为从所述目标数据组织的加入动态阶数的调整输入矩阵，
Z
为
从所述目标数据组织的加入动态阶数的扩展输入矩阵
。
[0030]进一步，根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，得到所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：
[0031]根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：
[0032][0033][0034]对上述公式进行简化，得到所述标量映射矩阵的计算法则：
[0035][0036]；其中，
λ
为特征值，
Y
为从所述甲基锡反应过程数据集组织的加入动态阶数的调整输入矩阵，
Z...

【技术保护点】

【技术特征摘要】
1.
一种基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，其特征在于，包括：获取监测的甲基锡反应的历史数据，对所述历史数据进行标准化处理，得到具有零均值和标准差的甲基锡反应过程数据集；根据所述甲基锡反应过程数据集，通过动态
‑
内部典型相关分析方法和原始慢特征分析方法进行分析建模，得到甲基锡反应的动态内部慢特征提取模型的第一目标函数和第二目标函数；确定甲基锡反应的自回归预测模型的动态阶数以及所述第一目标函数的第一权重系数
、
所述第二目标函数的第二权重系数；根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和标量映射矩阵的计算法则；从
DCS
系统采集的甲基锡反应过程历史数据或者实时监测数据中提取潜在慢特征；根据所述慢特征，获取主要慢特征的数量；其中，所述主要慢特征为携带甲基锡反应的重要信息的慢特征；根据所述慢特征的缓慢程度
、
所述主要慢特征的数量
、
所述自回归系数矩阵和所述标量映射矩阵，获取预设的多个目标监测数据的监测统计量；根据所述监测统计量及预设的控制限，确定所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型，或者，用
DCS
系统以相等时间间隔采集的甲基锡反应过程实时测量数据集更新所述甲基锡反应过程数据集，根据所述监测统计量及预设的控制限，确定更新的所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型
。2.
根据权利要求1所述的基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，其特征在于，所述根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和标量映射矩阵的计算法则的步骤包括：根据所述甲基锡反应的动态内部慢特征提取模型
、
所述动态阶数
、
所述第一目标函数
、
所述第二目标函数
、
所述第一权重系数和所述第二权重系数，将多目标问题转化为单目标优化问题，如下公式所示：优化问题，如下公式所示：其中，
max J
为单目标优化问题的目标值的最大值，
α1为第一目标函数的权重系数，
J1为第一目标函数，
α2为第二目标函数的权重系数，
J2为第二目标函数，
W
j
为甲基锡反应过程数据集的第
j
行的标量映射矩阵，用于提取第
j
个潜在特征，
Y
为从所述甲基锡反应过程数据集组织的调整输入矩阵，
Y1
为从所述甲基锡反应过程数据集组织的
Y
种重新组织的新的调整输入矩阵，
Z
为从所述甲基锡反应过程数据集组织的新的扩展输入矩阵，
Z1
为从所述甲基锡反应过程数据集的
Z
种重新组织的新的扩展输入矩阵，
β
j
为目标数据的第
j
个数据的自回归系数矩阵；利用拉格朗日乘子法处理所述单目标优化问题，如下公式所示：
其中，为克罗内克积；所述克罗内克积满足所述克罗内克积满足为标量映射矩阵
W
j
的单位矩阵，为自回归系数矩阵
β
j
的单位矩阵；分别对所述自回归系数矩阵和所述标量映射矩阵求偏导，并令偏导等于0，得到单目标优化问题的目标值与特征值的关系；根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则
。3.
根据权利要求2所述的基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，其特征在于，所述根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：目标值，以最大化所述特征值：对上述公式进行简化，得到所述自回归系数矩阵的计算法则：其中，
λ
为特征值，
Y
为从所述目标数据组织的加入动态阶数的调整输入矩阵，
Z
为从所述目标数据组织的加入动态阶数的扩展输入矩阵
。4.
根据权利要求2所述的基于
DiCC
‑
SFA
的甲基锡反应过程动态内部慢特征提取方法，其特征在于，所述根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，得到所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：目标值，以最大化所述特征值：对上述公式进行简化，得到所述标量映射矩阵的计算法则：其中，
λ
为特...

【专利技术属性】
技术研发人员：李鹏，胥清敏，吴建德，艾明曦，杨创艳，徐文光，谭建所，杨开明，
申请(专利权)人：云南大学，
类型：发明
国别省市：