[发明专利]一种基于支持向量的化工过程监测方法

权利要求书

1.一种基于支持向量的化工过程监测方法，包括如下步骤：

步骤1：收集化工过程中传感器数据，进行整理并执行偏最小二乘算法，计算得到相应的参数；

步骤2：使用步骤1中得到的支持向量对化工过程进行监测，判断是否出现故障。

2.如权利要求1所述基于支持向量的化工过程监测方法，其特征在于：

所述步骤1具体如下：

1.1收集化工过程中产生的数据，数据分为两类，过程数据X和质量数据Y，包含N个样本。

X＝[x₁,x₂...x_m],x₁,x₂...x_m∈R^N×1

Y＝[y₁,y₂...y_p],x₁,x₂...x_p∈R^N×1

其中，x₁,x₂...x_m等分别表示化工过程中的反应物浓度，压力，温度…阀门开度等变量，y₁,y₂...y_p等分别表示产物浓度，产物纯度…产物温度等与质量相关的变量。m表示过程变量的个数，p表示质量变量的个数；

1.2对步骤1.1中采集的数据进行标准化：

其中，表示过程数据的均值，表示质量数据的均值。表示标准化后的过程数据，表示标准化后的质量数据；

1.3计算标准化过程变量的潜在变量t和标准化质量变量的潜在变量u,首先初始化u为Y的任意一列，

其中，w表示标准化过程变量与潜在变量u对应的权重向量，u表示标准化质量变量对应的潜在变量，‘表示转置符号；

1.4重复步骤1.3，直到潜在变量t收敛，然后缩减标准化过程变量和标准化质量变量

1.5根据步骤1.3和1.4，计算需要的参数：

B＝W(P'W)^-1C'

其中，W表示权重矩阵，P和C表示负载向量，B表示回归系数矩阵。T表示标准化过程变量的支持向量。U表示u的聚合矩阵；

1.6经过步骤1.2-步骤1.5，标准化过程变量和标准化质量变量分别可以被分解为：

其中，E表示标准化过程变量的残差矩阵，F表示标准化质量变量的残差矩阵；

1.7经过以上步骤，可以得到标准化质量变量的预测模型：

其中，表示质量变量Y的预测值。

3.如权利要求2所述基于支持向量的化工过程监测方法，其特征在于：

所述步骤2具体为：

2.1将每个样本映射到特征空间中的更高维的超球面，超球面的中心a和半径R，则超球体的最小体积可以得到：

其中，y_i表示第i个样本映射到高维特征空间后的值，V表示超球面体积与误差之间的折衷参数，ζ_i表示松弛变量；

2.2引入拉格朗日乘子的方式：

其中，x_i,x_j分别表示第i，j个样本的过程变量；K(x_i,x_j)表示第i，j个样本对应的核函数。α_i,α_j均表示拉格朗日乘子；

2.3计算超球面的半径：

其中，x_s表示任意的一个支持向量；

2.4计算新的数据样本到中心的距离，构建新的监测统计量：

其中，x_new表示新的样本数据，D表示x_new到超球面中心的距离。