[发明专利]基于自学习统计分析的聚丙烯生产过程半监督监测方法

说明书

技术领域

本发明属于聚丙烯工业生产过程的安全监测和质量控制领域，特别涉及一种基于自学习统计分析的半监督过程监测方法。

背景技术

作为一种重要的材料，聚丙烯在很多工业中都有着非常广泛的应用。近年来，随着聚丙烯生产过程自动化水平的进一步提升，过程的安全可靠性以及产品的质量问题日益引起人们的关注。以主元分析模型为代表的数据驱动方法开始在聚丙烯生产过程的监测中得到应用。但是，传统的数据模型均假设过程的数据是完好并且是经过严格鉴定为正常的数据。然而，在实际过程中，数据正常与否通常需要经过严格的筛选和剔除，步骤往往很复杂，某些变量的鉴定可能非常昂贵，这就需要企业投入一定的人力、物力和财力。因此，如果能同时针对已经鉴定的少量数据和大量未经鉴定的数据进行建模，不仅能有效挖掘未鉴定数据集中的有用信息来改善统计分析模型的不足，企业又能节省不少人力、物力和财力。半监督学习是解决该问题的一个有效方法，其中，自学习又是半监督学习中最简单实用的一种技术。因此，如果能将自学习方法和传统的主元分析模型相结合，不仅能对聚丙烯生产过程进行有效的监测，而且由于该方法简单实用，非常有利于过程自动化技术的整合。

发明内容

本发明的目的在于针对现有聚丙烯过程监测方法的不足，提供一种基于自学习统计分析的半监督监测方法。

本发明的目的是通过以下技术方案来实现的：一种基于自学习统计分析的聚丙烯生产过程半监督监测方法，包括以下步骤：

（1）利用集散控制系统收集聚丙烯生产过程的数据组成建模用的二维训练样本集：X∈R^n×m。其中，n为样本数据集的个数，m为样本数据集的变量个数。将这些数据存入历史数据库。

（2）将数据集分为两个不同的部分，其中一个部分是经过人为鉴定为正常的过程数据，记为其中n₁为已鉴定样本数据集的个数，m为该样本数据集的变量个数；另一部分为未鉴定的过程数据，记为其中n₂为未鉴定样本数据集的个数，m为该样本数据集的变量个数。

（3）针对已鉴定的数据样本集，对其进行归一化处理，建立基于主元分析的数据统计监测模型，确定主元的方向和个数。

（4）在分析主元和残差的基础上，建立监测统计量，并确定相应的统计限。

（5）基于初始的主元统计分析模型，对未鉴定数据集中的数据进行自动标记，计算相应的主元和监测统计量值。

（6）在监测统计量的基础上，建立未鉴定样本的置信度指标，衡量其在上一步主元分析模型中的可信程度。

（7）基于样本的置信度分析结果，选取部分具有高置信度的样本进入下一轮的自学习建模，并调整鉴定样本集和未鉴定样本集的数据库。

（8）经过多轮自学习建模和模型参数调整，得到最终的主元统计分析模型。

（9）收集新的过程数据，并对其进行预处理和归一化。

（10）利用自学习得到的最终主元分析模型计算新数据的主元，并得到监测统计量的值，判断当前过程的运行状态。

本发明的有益效果是：本发明通过引入自学习策略，将传统聚丙烯过程的数据统计分析方法扩展为半监督的形式。在过程只有少量经过鉴定的样本数据情况下，通过同时引入大量未鉴定的过程数据，实现聚丙烯过程的半监督建模和监测。相比目前的其它过程监测方法，本发明不仅可以大大提高聚丙烯生产过程的故障误报率和监测效果，而且在很大程度上降低了聚丙烯过程监测的复杂性，可以大量减少人力、物力和财力，对聚丙烯过程的工业自动化实施无疑是非常有利的。

附图说明

图1是本发明方法中初始主元分析模型对聚丙烯生产过程测试数据的监测结果；

图2本发明方法中最终主元分析模型对聚丙烯生产过程测试数据的监测结果；

图3是自学习过程中得到的所有主元分析模型对应于测试数据集的误报率；

具体实施方式