[发明专利]基于信息传递的间歇过程实时采样点阶段归属判断方法

说明书

技术领域

本发明涉及基于数据驱动的多元统计过程监控(MSPM)技术领域，特别是涉及一种针对多阶段间歇过程在线监控时的实时采样点阶段归属判断方法。本发明是在多阶段间歇过程故障检测基础上实现在线监控时实时采样点的阶段归属判断，提高监控性能。

背景技术

基于数据驱动的多元统计方法在用于间歇过程的过程监控时，不需要考虑复杂的过程机理特性，通过对历史数据的建模和分析，判断生产过程的运行状态是否出现异常。间歇过程作为现代流程工业中的重要生产方式之一，被广泛用于生物医药、食品及生化产品的制备。与连续生产过程相比，间歇过程有着明显的区别，其中多操作阶段是其固有特征之一。

在实现对多阶段间歇过程的监控时，传统的方法将一个多阶段的批次过程数据视为一个整体进行监控，忽略了过程中不同阶段的特性。在实际生产过程中，一个包含多个阶段的间歇过程，过程的每个阶段都有不同的过程主导变量和过程特性，而且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呈现分阶段性。所以，通常的解决方案是基于时刻的阶段分类将不同阶段的数据划分到同一个类中，实现过程不同阶段的划分。这样，离线建模时，我们将针对不同的阶段建立不同的监控模型，使得模型更能够精确的描述每一个相应阶段内的过程特性，提高了监控的性能。在线监控时新获取的实时采样点严格按照对应时刻硬性划分到离线建模划分所得的对应阶段中，据此选取监控模型实现新的采样数据的监控。但是，以上的方法都是基于一个默认假设，同一个时刻的数据属于同一阶段，即同一个阶段在所有的生产批次中都是等长的。但是实际生产过程中并不是如此，不同批次的生产由于种种条件的不同，导致不同批次间过程内部阶段长度会有所差异，如图1所示。因此，基于时刻的实时采样点阶段归属就可能将不同阶段的数据分到一类中，从而影响监控模型的精度，导致出现大量的误报警和漏报警。所以，在进行在线监控前，解决新时刻采样数据的阶段归属判断问题将是十分重要的。

发明内容

完成阶段的划分，建立相应的监控模型后，在应用于在线监控时，将面临一个新的问题那就是新时刻采样点的归属问题。当获得了新的采样时刻，我们要合理地判断其属于那个特定的阶段，这样才能选取最合适的监控模型对该时刻进行监控。只有合理判断新时刻采样点的阶段所属，才能使得监控的效果达到最优。本发明针对以上问题，实现一种基于信息传递的间歇过程实时采样点阶段归属判断方法。该方法基于AP聚类算法中传递的吸收度R(i,k)与归属度A(i,k)两种信息实现。

本发明采用如下的技术方案及实现步骤：

Ⅰ完成离线建模与阶段划分后，将整个过程批次划分为k个阶段，此时获得各聚类中心C_j,j＝1,2,…,k对应时刻的历史采样数据组成

Ⅱ在线监控时，随着生产过程的持续，实时采集当前时刻新的过程数据xnew,ti,i=1,2,...,n;]]>