[发明专利]一种基于少量批次的批次过程在线监测方法

说明书

技术领域

本发明属于间歇过程统计监测领域，特别是涉及一种基于少量批次的有序时段自动划分、统计建模与在线过程监测方法。

背景技术

作为工业生产中一种重要的生产方式，间歇过程与人们的生活息息相关，已被广泛应用于精细化工、生物制药、食品、聚合物反应、金属加工等领域。近年来，随着现代社会对多品种、多规格和高质量产品更迫切的市场需求，工业生产更加倚重于生产小批量、高附加值产品的间歇过程。间歇生产的安全可靠运行以及产品的高质量追求已成为人们关注的焦点。基于数据的多元统计分析技术因其只需要正常模态下的过程数据来建立模型，同时它们在处理高维、高度耦合数据时具有独特的优势，越来越受到研究人员和现场工程师的青睐。间歇过程的统计建模、在线监测、故障诊断及质量预测已成为广泛的研究课题。

传统的多向主元分析（MPCA）和多向最小偏二乘回归（MPLS）方法将一次间歇操作的所有数据当做一个整体来对待，不能反映变量的相关性在时间方向上的变化。此外，在线应用时必须要预估未知测量数据，因此很难实现在线实施，阻碍了其在实际生产中的广泛应用。间歇过程具有多时段特性。在同一批次中，歇操作中的过程变量相关关系并非随时间时刻变化，而是跟随过程操作进程或过程机理特性的变化发生规律性的改变，呈现分段性。在不同时段中，每个时段具有不同的过程变量轨迹、运行模式以及相关性特征，变量相关性有显著差异。在同一时段中，不同采样时刻过程变量的相关关系却近似一致。考虑到间歇过程的多时段特性，基于时段的建模方法将整个间歇过程划分为不同时段，从而可以建立基于时段的多个模型，并用于在线过程监测。其中，一种自动的步进式有序时段划分方法将多时段的间歇过程根据过程特性的变化自动划分为不同的子时段，改善了时段模型精度，提高了后续过程的在线监测精度。

然而，上述方法都是基于间歇过程能获得充足的建模批次。对于一些运行周期短，运行成本较低的间歇过程来说，获取充足批次是相对容易的，但是对于慢运行周期高运行成本间歇过程，如生物相关的间歇过程，很难在短时间获取充足的建模批次。鉴于难以获取足够建模批次在实际工业中是普遍存在的，并具有典型代表性，针对少量批次进行统计分析并探究相应的解决方案具有重要的实际意义和研究价值。因此，我们期望在不能获得充足建模批次的情况下（即少量批次），充分提取过程信息，有效分析间歇过程时段特性，建立多时段监测模型并应用于在线过程监测。

综合国内外研究现状，现有关于间歇过程监控的研究仍然主要针对于充足的建模批次进行，针对少量批次的少有涉及。前人针对单个批次及有限批次提出了基于聚类的时段划分方法，在时段划分基础上建立了监测模型成功应用于在线监测；但是，基于聚类的时段划分方法，并没有考虑到时段的时序性。若仅仅考虑过程的相似特性，不同时间区域内的采样时刻会被误划入同一个子时段中，而同一个时间区域内中的时间点亦会被划分到不同时段中，这将不仅导致划分结果错综复杂，很难理解，而且直接或间歇影响了后续的过程建模精度和监测性能。

本发明以注塑成型这一典型间歇过程为实例，从少量的建模批次出发，充分利用现有数据深入分析了间歇过程潜在特性的时变性和实际过程运行的时序性，实现了时段的自动有序划分，并建立了基于时段的监测模型成功应用于在线监测。到目前为止，尚未见到与本发明相关的研究报道。

发明内容

本发明的目的在于针对多时段间歇过程未能获得充足建模批次情况下现有技术的不足，提供一种基于少量批次的有序时段自动划分、统计建模与在线过程监测方法。

本发明的目的是通过以下技术方案来实现的：一种基于少量批次的批次过程在线监测方法，该方法包括以下步骤：

步骤1：获取基于少量批次的过程数据：设一个多时段间歇操作过程具有J个测量变量和K个采样点，则每一个测量批次可得到一个K×J的矩阵X(K×J)。故在重复少量批次I的测量步骤后，得到的数据可以表述为一个三维矩阵在每个采样时刻，都可以得到一个时间片(k=1,2,...,K)，其中，下标k为采样时间指标。

步骤2：构造基于少量批次的泛化时间片：将三维矩阵按变量方向展开，即将每个时间片按时间顺序排列得到二维矩阵X^v(KI×J)，上标v表示变量展开方式。用一个长度为L个时间片、宽度为J个变量的滑动窗口滑过X^v(KI×J)，每次滑过一个采样时刻（即一个时间片），共移动K-l+1次，得到K-l+1个泛化时间片(k=1,2,...,K-L+1)，其中每个泛化时间片包含L个时刻（即时间片），上标w表示泛化时间片。