[发明专利]使用多阶段数据分离的推理过程建模、质量预测及故障检测

权利要求书

1.一种用于生成在分析过程的运行中使用的过程模型的、计算机实施的方法，所述过程能在由与所述过程相关联的状态变量所定义的多个不同的过程状态中运行，所述方法包括：

在所述过程的运行期间，从所述过程收集训练数据，所述训练数据包括一组过程参数中的每一个的值、所述状态变量的值以及与多个不同过程测量次数中的每一个相关联的结果变量的值；

使用计算机处理设备，将所述训练数据划分成数据时间片以便为每一个数据时间片产生一组时间分片的数据，其中每组时间分片的数据包括所述一组过程参数中的每一个的值、所述状态变量的值以及所述结果变量的值；

将所述多组时间分片的数据存储在计算机存储器中；

使用计算机处理设备，根据所述训练数据确定一组过程状态均值，所述一组过程状态均值包括用于所述过程状态中的每一个的状态变量均值以及用于所述过程状态中的每一个的一个或多个过程参数均值；

将所述一组过程状态均值存储在计算机存储器中；

通过计算机处理设备，使用所存储的过程状态均值，推导所述数据时间片中的每一个的一组时间片均值，所述多组时间片均值中的每一个包括所述过程参数中的每一个的时间片均值；

使用计算机处理设备，推导每个数据时间片的一组偏离所述均值的偏差，特定的数据时间片的所述一组偏离所述均值的偏差包括:对于在所述特定的数据时间片内的每个过程参数，使用所述特定的数据时间片的所述过程参数值以及所述特定的数据时间片的、所述过程参数的所述时间片均值来推导所述特定的数据时间片的、所述过程参数的所述偏离所述均值的偏差；以及

使用计算机处理设备，使用所述数据时间片的所述多组偏离所述均值的偏差以及所述数据时间片的所述结果变量值，生成过程模型，其中，所述过程模型被生成为质量预测模型或故障检测模型。

2.根据权利要求1所述的计算机实施的方法，其中，生成所述过程模型包括将质量预测模型生成为偏最小二乘模型、神经网络模型、或多元线性回归模型中的一个。

3.根据权利要求1所述的计算机实施的方法，其中，生成所述过程模型包括将故障检测模型生成为主成分分析模型。

4.根据权利要求1所述的计算机实施的方法，还包括：

将所述过程状态的所确定的过程状态均值存储为所生成的过程模型的一部分，从所述运行的过程收集新的过程参数值和状态变量值，以及使用所收集的新的过程参数值和所述过程变量值和所述过程状态均值来推导所生成的过程模型的输入以推导所述结果变量的估计，并且还包括使用所述运行的过程的所收集的新的过程参数值和所述过程变量值来基于作为所述过程模型的部分存储的所述过程状态均值而确定一组时间片的偏离所述均值的偏差。

5.一种用于形成过程预测模型的、计算机实施的方法，包括：

对于多个过程参数中的每一个，从运行的过程收集一组过程参数的过程参数值、状态变量的状态变量值和结果变量的结果变量值；

使用计算机处理设备，确定一组过程状态均值，其中所述一组过程状态均值包括：对于多个过程状态中的每一个，当所述过程在所述多个过程状态中的每一个中运行时所述状态变量的平均值和所述过程参数中的每一个的平均值；

使用计算机处理设备，对于多组时间有关的数据中的每一组，使用所述过程状态均值和与多组时间有关的数据中的每一组相关联的所述状态变量的值来确定所述一组过程参数中的每一个的时间片均值；

使用计算机处理设备，使用所述多组时间有关的数据中的每一组的所述时间片均值和所述过程参数值来确定所述多组时间有关的数据中的每一个的所述过程参数中的每一个的偏离均值的偏差；

在计算机处理设备内，使用所述多组时间有关的数据中的每一个的所述过程参数中的每一个的所确定的偏离均值的偏差和所述多组时间有关的数据中的每一个的所述结果变量值来生成过程预测模型，其能在计算机处理设备上运行以预测所述过程内的所述结果变量，

其中，所生成的过程预测模型使用多组所述过程参数的偏离所述均值的偏差来预测所述结果变量的值。

6.根据权利要求5所述的计算机实施的方法，其中生成过程预测模型包括生成偏最小二乘模型、神经网络模型、多元线性回归模型或主成分分析模型中的一个。