System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体涉及一种发酵生产过程关键参量的软测量方法。
技术介绍
1、在发酵生产过程中对于关键参量的准确测量是确保产品质量和生产效率的关键,所述关键参量包括温度、ph值、溶氧量、产物浓度、搅拌速度、发酵时间等,然而传统测量需要对样本提取和实验室测试,需要较长时间而无法应对发酵过程的实时调整;软测量技术针对发酵过程中的参量进行预测和估计,通过建立复杂的数学模型和算法,利用历史数据进行参量预测和校准,从而用于发酵生产过程的实时监测和控制。
2、在发酵生产过程中对关键参量进行监测时,通过构建lssvm模型实现对关键参量的软测量,然而模型仅对发酵过程中部分阶段具有较好的适应性,受到监测实际量在不同阶段的波动程度不同,使得模型存在全局泛化能力不强、过程特征匹配不佳、精度不高的缺点,难以全面描述复杂的发酵生产过程的全局特性等问题,并且波动较大的数据在进行模型量化时会消耗巨大时间,个别突出时间节点的数据会导致模型产生误差,进而降低发酵生产过程关键参量的软测量结果的准确性。
技术实现思路
1、本专利技术提供一种发酵生产过程关键参量的软测量方法,以解决现有的问题。
2、本专利技术的一种发酵生产过程关键参量的软测量方法采用如下技术方案:
3、本专利技术一个实施例提供了一种发酵生产过程关键参量的软测量方法,该方法包括以下步骤:
4、获取若干关键参量序列,所述关键参量序列内的每一个序列值为一个采样值;获取每一个关键参量序列的极大值;根据任意一
5、在任意一个关键参量序列中,获取关键参量序列的若干簇以及相邻簇;根据关键参量序列的每一个簇内的采样值与其他关键参量序列的采样值,得到每一个簇内的采样值的相关比例;根据每一对相邻簇内的采样值的相关比例,得到相邻簇的第一相似性;
6、根据任意一个关键参量序列中每一对相邻簇的采样值,得到相邻簇的第二相似性;
7、根据任意一个关键参量序列中每一对相邻簇的第一相似性和第二相似性,得到相邻簇的整体相似性;
8、在任意一个关键参量序列中,基于相邻簇的整体相似性,对关键参量序列进行分段,得到若干个数据段;根据每个数据段内所有采样值的相关比例,在每个数据段内的采样值中筛选出若干个协变采样值;基于协变采样值的斜率对强特征数据进行数据拟合,得到更新关键参量序列;
9、根据更新关键参量序列得到软测量数据。
10、进一步地,所述根据任意一个关键参量序列的所有采样值,得到每个采样值的斜率以及斜率增量,包括的具体步骤如下:
11、在任意一个关键参量序列中,对每个采样值获取斜率;将每一个采样值的斜率与前一个采样值的斜率差值记作每一个采样值的斜率增量。
12、进一步地,所述根据每个采样值的斜率增量,得到关键参量序列中每个极大值的突出程度,包括的具体计算方式如下:
13、
14、式中,为第个关键参量序列在第个采样时刻的极大值的突出程度,、、以及分别为第个关键参量序列在第个、第个、第个以及第个采样时刻的采样值的斜率增量,为以自然常数为底的指数函数,为绝对值函数。
15、进一步地,所述根据关键参量序列的每一个簇内的采样值与其他关键参量序列的采样值,得到每一个簇内的采样值的相关比例,包括的具体步骤如下:
16、以第个关键参量序列的第个簇内任意一个采样值为中心,建立预设长度n的窗口,记为目标窗口;根据目标窗口内所包含的采样时刻的范围,将其他关键参量序列的同一采样时刻的范围的采样值的数据段记为参考窗口;计算目标窗口内的采样值与参考窗口内的采样值的斜率的皮尔逊相关系数;统计皮尔逊相关系数的绝对值大于预设的相关阈值q的皮尔逊相关系数的个数,将得到的个数与关键参量序列的个数的比值记作第个关键参量序列的第个簇内该采样值的相关比例。
17、进一步地,所述根据每一对相邻簇内的采样值的相关比例,得到相邻簇的第一相似性,包括的具体计算方式如下:
18、
19、式中,为第个关键参量序列的第个簇和第个簇的第一相似性,为第j个簇和第j+1个簇的长度的最小值,和分别为第个关键参量序列的第个簇和第个簇中第个采样值的相关比例,为避免分母为0的超参数,为以自然常数为底的指数函数,为绝对值函数。
20、进一步地,所述根据任意一个关键参量序列中每一对相邻簇的采样值,得到相邻簇的第二相似性,包括的具体步骤如下:
21、在第个关键参量序列的每一个簇中,将采样值的斜率按照时序排列组成的序列作为增量序列;
22、第个关键参量序列的第个簇和第个簇的第二相似性的计算方式为:
23、
24、式中,为第个关键参量序列的第个簇和第个簇的第二相似性,为第个关键参量序列的第个簇和第个簇的增量序列的距离,为以自然常数为底的指数函数。
25、进一步地,所述根据任意一个关键参量序列中每一对相邻簇的第一相似性和第二相似性,得到相邻簇的整体相似性,包括的具体步骤如下:
26、对于第个关键参量序列的第个簇和第个簇,将第一相似性与预设的第一权重相乘,再将第二相似性与预设的第二权重相乘,将两个乘积的和值记为第个关键参量序列的第个簇和第个簇的整体相似性。
27、进一步地,所述在任意一个关键参量序列中,基于相邻簇的整体相似性,对关键参量序列进行分段,得到若干个数据段,包括的具体步骤如下:
28、(1)初始化聚类:对于任意一个关键参量序列,将关键参量序列内的每个采样值作为一个单独的簇;
29、(2)计算每一对相邻簇之间的整体相似性;
30、(3)合并最近的聚类:根据相邻簇之间的整体相似性,将整体相似性最大的一对相邻簇合并为一个簇,得到若干个更新簇;
31、(4)重复步骤(2)和步骤(3),直到所有相邻簇之间的整体相似性小于预设的停止阈值m时,将最后一次迭代的更新簇作为结果簇,并在关键参量序列中,将每个结果簇作为一个数据段。
32、进一步地,所述根据每个数据段内所有采样值的相关比例,在每个数据段内的采样值中筛选出若干个协变采样值,包括的具体步骤如下:
33、在每一个数据段中,将所有采样值的相关比例进行降序排列,得到比例降序序列;将比例降序序列的每一个序列值减去前一个序列值,得到每一个序列值的变化程度,将比例降序序列中变化程度最大的序列值记为分割点,将比例降序序列中分割点及以前的序列值在数据段中对应的所有采样值记作协变采样值。
34、进一步地,所述基于协变采样值的斜率对强特征数据进行数据拟合,得到更新关键参量序列,包括的具体步骤如下:
35、对于第个关键参量序列的第个强特征数据,获取在其他关键参本文档来自技高网...
【技术保护点】
1.一种发酵生产过程关键参量的软测量方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据任意一个关键参量序列的所有采样值,得到每个采样值的斜率以及斜率增量,包括的具体步骤如下:
3.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据每个采样值的斜率增量,得到关键参量序列中每个极大值的突出程度,包括的具体计算方式如下:
4.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据关键参量序列的每一个簇内的采样值与其他关键参量序列的采样值,得到每一个簇内的采样值的相关比例,包括的具体步骤如下:
5.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据每一对相邻簇内的采样值的相关比例,得到相邻簇的第一相似性,包括的具体计算方式如下:
6.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据任意一个关键参量序列中每一对相邻簇的采样值,得到相邻簇的第二相似性,包括的具体步
7.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据任意一个关键参量序列中每一对相邻簇的第一相似性和第二相似性,得到相邻簇的整体相似性,包括的具体步骤如下:
8.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述在任意一个关键参量序列中,基于相邻簇的整体相似性,对关键参量序列进行分段,得到若干个数据段,包括的具体步骤如下:
9.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据每个数据段内所有采样值的相关比例,在每个数据段内的采样值中筛选出若干个协变采样值,包括的具体步骤如下:
10.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述基于协变采样值的斜率对强特征数据进行数据拟合,得到更新关键参量序列,包括的具体步骤如下:
...【技术特征摘要】
1.一种发酵生产过程关键参量的软测量方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据任意一个关键参量序列的所有采样值,得到每个采样值的斜率以及斜率增量,包括的具体步骤如下:
3.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据每个采样值的斜率增量,得到关键参量序列中每个极大值的突出程度,包括的具体计算方式如下:
4.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据关键参量序列的每一个簇内的采样值与其他关键参量序列的采样值,得到每一个簇内的采样值的相关比例,包括的具体步骤如下:
5.根据权利要求1所述一种发酵生产过程关键参量的软测量方法,其特征在于,所述根据每一对相邻簇内的采样值的相关比例,得到相邻簇的第一相似性,包括的具体计算方式如下:
6.根据权利要求1所述一种发酵生产过程关键参量的软测量方...
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。