[发明专利]一种基于滑动自回归误差生成模型的青霉素生产异常检测方法

权利要求书

1.一种基于滑动自回归误差生成模型的青霉素生产异常检测方法，其特征在于，具体包括以下所示步骤：

步骤(1)：从青霉素生产批次的历史数据库中，获取J个青霉素正常生产批次的批次数据集，按照采样时间先后分别组成相应的批次矩阵X₁，X₂，…，X_J后，再设置滑动窗口的长度等于L；其中，第j个青霉素正常生产批次对应的批次矩阵X_j∈R^N×10具体由N个数据向量组成，且每个数据向量具体由10个样本数据组成，j∈{1，2，…，J}，R^N×10表示N×10维的实数矩阵，R表示实数集；

步骤(2)：获取青霉素生产最新批次各个采样时刻的样本数据，并将每个采样时刻的10个样本数据组建成一个1×10维的数据向量，当获取到L个采样时刻的数据向量x₁，x₂，…，x_L时，再设置k＝1并执行步骤(3)；

步骤(3)：将批次矩阵X₁，X₂，…，X_J中第k行至第k+L-1行的行向量分别对应组成训练批次矩阵后，再计算J个训练批次矩阵中所有行向量的平均值向量μ∈R^1×10和标准差向量δ∈R^1×10；其中，第j个训练批次矩阵具体是由第j个批次矩阵X_j中第k行至第k+L-1行的行向量组成，j∈{1，2，…，J}；

步骤(4)：当i分别等于1，2，…，L时，利用公式对训练批次矩阵实施标准化处理从而得到参考批次矩阵并使用公式对数据向量x_i实施标准化处理得到数据向量其中，表示中第i行的行向量，表示中第i行的行向量，表示两个向量中相同位置的元素相除；

步骤(5)：为标准化处理后的L个数据向量建立相应的滑动自回归误差生成模型，从而生成相应的误差e，具体的实施过程如步骤(5.1)至步骤(5.5)所示；

步骤(5.1)：将组成滑动窗口矩阵X_t∈R^L×10后，初始化载荷向量w_t等于任意一个10×1维的实数向量；

步骤(5.2)：根据公式和计算出矩阵G和矩阵L后，再求解广义特征值问题G＝λLv中最大特征值λ所对应的特征向量v后，再根据公式β_t＝v/v(1)计算得到系数向量β_t∈R^L×1；其中，v(1)表示特征向量v中的第1个元素；

步骤(5.3)：根据公式和更新矩阵G和矩阵L后，再次求解广义特征值问题G＝λLv中最大特征值λ对应的特征向量v后，再根据公式w_t＝v/||v||计算得到载荷向量w_t；其中，表示计算v的长度；

步骤(5.4)：判断w_t是否收敛；若否，则返回步骤(5.2)；若是，则得到最终的载荷向量w_t∈R^10×1和系数向量β_t∈R^L×1后，再执行步骤(5.5)；

步骤(5.5)：根据公式计算得到相应的误差e；

步骤(6)：判断是否满足条件C_下≤e≤C_上；若是，则青霉素最新批次的生产运行正常，再执行步骤(7)；若否，则青霉素最新批次的生产运行异常，停止该批次的青霉素生产；其中，C_上和C_下分别表示误差变化的上限和下限；

步骤(7)：判断该批次的青霉素生产是否结束；若否，则获取下一个采样时刻的10个样本数据，并将其组建成一个1×10维的数据向量x_new后，再执行步骤(8)；若是，则该批次的青霉素生产运行正常，清理完青霉素生产设备后开始下一批次的青霉素生产并返回步骤(2)；

步骤(8)：设置k＝k+1后，再依次设置x₁，x₂，…，x_L-1，x_L分别等于x₂，x₃，…，x_L，x_new后，再返回步骤(3)。