[发明专利]基于T-PLS模型的间歇过程工艺条件设计方法

说明书

本发明涉及种基于T‑PLS模型的间歇过程工艺条件设计方法，其特征在于，包括：获取目标间歇过程的历史生产数据；选择用于建立模型的输入矩阵X中的过程变量和输出矩阵Y中产品质量关键变量。上述基于T‑PLS模型的间歇过程工艺条件设计方法，本发明针对间歇过程新产品开发提供的技术方案，只需要历史批次数据，不需要深入了解机理模型和做大量的实验，使得产品开发和质量改良更加易于实现，快速高效，为企业生产或实验研究节省大量人力物力；本发明子空间S_y中输入信息x_ynew可由输出期望值y_des直接计算得到，若没有其他开发目标，可直接使用x_ynew作为预测输入(即x_pred＝x_ynew)，生产期望质量产品。

技术领域

本发明涉及间歇过程，特别是涉及基于T-PLS模型的间歇过程工艺条件设计方法。

背景技术

上世纪70年代起，计算机集散控制系统(Decentralized control system，DCS)可以采集用于过程控制与设备状态监控的传感器数据。近几十年来，随着传感器技术、计算机技术、通信技术、物联网、数据存储等技术的发展，工业过程产生的数据随时间呈指数级增长。工业过程数据蕴含着大价值，从数据分析和应用出发，更好地决策来改进过程运行、提高生产效率、提高产品质量、减少缺陷产品、满足用户需求。一方面，可以减少20％～50％的产品开发时间；另一方面，基于大数据的主动预测，实现快速分析及执行、降低错误决策的后果。

为实现对工业过程数据的有效利用，推动了基于数据驱动方法的产生和发展。以潜结构建模为代表的数据建模方法因其具有降维、便于可视化的优点得到重视，相关研究可以追溯到二十多年前。针对维数高，相关性强的工业过程数据，特征提取是关键，偏最小二乘(Partial Least Squares，PLS)是一种经典的基于数据驱动的统计建模方法，PLS能联合过程数据和质量数据建模，所得到的投影空间反映过程变量中与质量变量相关的变化，因此PLS在产品质量控制和工艺优化领域得到广泛应用。

本发明相关现有技术为基于潜变量模型的新产品设计与制造方法在工业中的应用(详细参见文献：Jaeckle C M,MacGregor J F.Industrial applications of productdesign through the inversion of latent variable models[J].Chemometrics andIntelligent Laboratory Systems,2000,50:199-210.)。现有技术首先通过历史批次数据建立PLS模型，通过模型反演预测期望产品y_des的工艺操作条件x_pred，设计流程如图1所示。历史数据通过数据采集技术获得，经过预处理后建立PLS模型。在设计之前，给定期望输出y_des须在物理约束范围内，同时要求期望值y_des满足统计约束。合理的y_des代入PLS模型反演后，得到预测输入x_pred，满足约束条件的x_pred即为预测输入，运用该输入可以得到期望输出。

但是，PLS建模方法存在一定的缺陷。2010年，清华大学学者李钢等人通过分析PLS建模的几何性质，指出PLS模型提取的潜变量空间既包含与输出相关的信息，也包含与输出正交的信息。输出相关信息决定输出的变化，输出正交信息对输出预测无用，且PLS输入残差中也包含较多信息。同年，清华大学学者周东华等人对PLS模型进行改进，提出全潜结构投影(Total Partial Least Squares，T-PLS)模型，对数据空间进行更加细致与清晰的划分。如图2所示，S_y为输出相关子空间，S_o为输出正交子空间，S_rp为输入残差主子空间，S_rr为输入残差剩余子空间。基于T-PLS模型强大的空间分解能力，本发明采用该模型进行新产品的工艺条件设计。

传统技术存在以下技术问题：