[发明专利]一种基于动态全局LPP的工业过程监测方法

权利要求书

1.一种基于动态全局LPP的工业过程监测方法，其特征在于该方法包括以下步骤：

步骤1：离线建模，收集湿法冶金过程中的传感器数据，包括浸出槽空气流量，各种离子浓度和压力，作为训练数据；并执行DGLPP，确定投影矩阵和统计量控制限；

具体步骤：

1.1收集冶金过程正常工作时传感器获取的数据作为训练数据X∈R^n×m，构造进行DGLPP所需的新数据矩阵X_NEW；

X_NEW＝[X(k) X(k-1)…X(k-L)]∈R^{(n-L)×(m×L)}；

其中X有m个变量和n个采样样本；X(k-L)为前L个采样时刻的数据矩阵，L为延时参数；

1.2对新数据矩阵X_NEW进行标准化，

其中表示过程数据各变量的均值建立的均值矩阵，表示标准化后的过程数据矩阵；

1.3根据经验法选择合适的DGLPP参数，执行DGLPP得到投影矩阵A；

根据LPP的目标函数，同理得到DGLPP的目标函数：

其中未知数具体代表意义或求法如下：

M＝H-R

H_ii＝∑_jR_ij

x_i表示的第i个样本；Ω()表示K邻域；W_ij和分别表示W和的第i行第j列的元素值，I表示单位矩阵；h为加权系数，用以调节全局和局部的“侧重程度”；σ₁和σ₂为根据经验人为设定的参数，用以调节监测能力；W和分别代表局部和全局的权重矩阵；H为对角矩阵，对角值为R每列的和；

因此优化问题通过下式求出：

其中和λ为的特征向量和特征值；因为目标函数求最小值，所以需要选择最小的l个特征值对应的特征向量组成投影矩阵A∈R^(m×L)×l；

1.4建立如下基于DGLPP的NOC模型；

其中E表示残差矩阵，Y∈R^n×l，代表投影后的矩阵；

1.5计算D和Q统计量的控制限D_C和Q_C,a；

在自由度为l，n-l条件下的F分布临界值可由统计表中查到；

其中C_a是正态分布在显著水平a下的临界值；λ_j为第j个特征值；

步骤2：冶金过程在线监测；采集冶金在线新样本；进行DGLPP处理，计算监测统计量并与离线建模时的控制限对比；具体步骤如下：

2.1采集冶金过程实时在线数据向量x_new∈R^m，并且变量个数与变量代表的物理意义与离线建模时一致；构造进行DGLPP所需的新数据样本x_new＝[x_new(k) x_new(k-1)…x_new(k-L)]∈R^(m×L)；由于存在延时，所以在采集到第L个数据样本时才能产生第一个所需要的新数据样本；使用步骤1.2中计算得到的训练数据的均值向量对新的数据向量标准化，方法同1.2；标准化后的数据样本记为

2.2利用标准化后的数据建立如下基于DGLPP的NOC模型；

y_new为投影后的向量；e_new为残差向量；

2.3计算D和Q统计量；

D＝y_new^TS^-1y_new

Q＝e_new^Te_new

步骤3：判断故障

若：D≥D_C或Q≥Q_C则代表冶金过程产生故障，应该立即停止生产进行检查。