[发明专利]一种基于局部高斯混合模型的暂态相位划分方法及系统

说明书

本发明公开了一种基于局部高斯混合模型的相位划分方法及系统，其包括：S1、采集样本并创建历史训练数据集；S2、自历史训练数据集选择部分样本创建第一个高斯分布模型以确定出第一个稳态相位；S3、基于前一个已经确定的高斯模型，创建包含两个高斯成分的高斯混合模型以确定出下一稳态相位；S4、基于已确定的两个相邻稳态相位模型确定出两个稳态相位之间可能存在的暂态相位；S5、重复S3和S4以完成对全部样本数据的相位划分。本发明极大的减少了冗余计算，提高了计算效率且采用步进式更新策略，按照采样时间顺序，逐步确定出稳态相位和暂态相位，具有相位划分个数不需要预指定和划分结果不需要后续处理等优点。

技术领域

本发明涉及批次过程统计建模技术领域，尤其涉及一种多相位批次过程中暂态相位划分方法及系统。

背景技术

批次过程是现代工业中一种十分常见的生产方式被广泛应用于精细化工、制药、冶金和半导体等行业。随着技术的发展和需求的多样化，批次过程也变得越来越复杂，直接的表现是一个批次过程中包含多个不同的操作阶段，或者多个不同的反应/变化阶段，这样的过程被称为多相位批次过程，每一个这样的阶段被称为一个相位。例如青霉素发酵过程，假设一个青霉素发酵过程的时间为400h，前45h是预培养阶段，后355h属于馈式加料阶段，即从第45h起向反应釜里加入原料。从反应机理来说，一个典型的青霉素发酵过程又可以分为四个相位(阶段)，包括延滞阶段，指数增长阶段，稳定阶段和自溶阶段。而青霉素发酵过程是一个典型的慢时变过程，不同相位之间的转变不是一个突变的过程，而是一个缓慢变化的过程，因此不同相位之间的转变并没有那么明显，并且会出现下面一种情况，在两个稳态相位之间的样本即部分保留第一个稳态相位的特征，又包含下一个新的稳态相位的特征，符合这样特性的相位被称为暂态相位。如何将一个多相位的批次过程准确合理的划分成不同相位，有利于加强对过程机理的进一步理解和提高过程建模的精度。

目前，对于多相位划分已经有了一定的研究成果，包括似于穷举法的多相位主元分析法，利用重复因子指标进行批次划分，然而对于过程没有明显变化拐点的过程来说，这种方法不再适用。聚类的方法被广泛用于批次过程的相位划分，然而，基于K-means算法除了要预先指定划分类别个数外，样本之间的时序性关系没有考虑，造成划分结果混乱且需要进一步后续处理，不易于解释等问题。因此在相位时，样本之间的时序关系不不可忽略的一个重要因素，并且不仅要多稳态相位进行有效划分，还要能准确划分暂态相位。也就是说上述两种方法均没有考虑时序性和暂态相位划分等不足的问题。

发明内容

基于此，针对现有相位划分方法中没有考虑时序性和暂态相位划分等不足，特提出了一种基于局部高斯混合模型的相位划分方法。

一种基于局部高斯混合模型的相位划分方法，包括如下步骤：

S1、采集样本并创建历史训练数据集；

S2、按照采样时间顺序自所述历史训练数据集选择部分样本创建第一个高斯分布模型以确定出第一个稳态相位；

S3、基于前一个已经确定的高斯模型，创建包含两个高斯成分的高斯混合模型以确定出下一稳态相位；

S4、基于已确定的两个相邻稳态相位模型确定出两个稳态相位之间可能存在的暂态相位；

S5、重复S3和S4以完成对全部样本数据的相位划分。

可选的，在其中一个实施例中，所述自所述历史训练数据集选择部分样本创建第一个高斯分布模型以确定出第一个稳态相位数据包括：

S21、依次自所述历史训练数据集选取前N₁个样本并计算其均值和方差以获得对应的高斯分布模型p(x|1)，其中，p(x|1)表示第一个高斯分布模型的概率密度函数，x表示采集的样本数据；