[发明专利]基于递归核主元分析的青霉素发酵过程故障监测方法

摘要

一种基于递归核主元分析的青霉素发酵过程故障监测方法，属于故障监测与诊断技术领域，包括：采集通风率，搅拌器功率，基质进给速率，基质进给温度，生成的热量，溶解氧浓度，pH值和二氧化碳浓度；用步骤1标准化后的前N个采样样本，建立初始的监测模型，用RKPCA方法更新模型，并计算特征向量对连续退火工艺的过程进行故障检测与诊断，当T2统计和SPE统计超出各自的控制限时，认为有故障发生，反之，整个过程正常，本发明方法主要解决数据的非线性和时变性问题，RKPCA通过递归计算训练数据协方差的特征值和特征向量对模型进行更新，结果表明，该方法不仅能大大降低误报警，还提高了故障检测的准确性。

主权项

1.基于递归核主元分析的青霉素发酵过程故障监测方法，其特征在于：包括以下步骤：步骤1：采集数据，在青霉素发酵过程中，采集的数据包括：通风率，搅拌器功率，基质进给速率，基质进给温度，生成的热量，溶解氧浓度，pH值和二氧化碳浓度数据，其中温度和pH值采用闭环控制，而补料采用开环定值控制，用均值和标准偏差标准化采集的数据；步骤2：计算青霉素发酵过程故障的主要因素P：采用如下方法：用步骤1标准化后的N个采样样本，建立青霉素发酵过程初始的监测模型，对于青霉素发酵过程中一个新的采样x_new，用初始的监测模型得到青霉素发酵过程故障的主要因素P和置信限，监测其是否出现异常；如果异常则报警，否则转到步骤3；其中，青霉素发酵过程故障的主要因素P，公式如下：P=Φ(X)1hΦN-1N(N-2)0T-1hΦN-1N(N-2)BA~UΦ′]]>式中，Φ(X)为X＝[x₁，x₂，...，x_N]样本矩阵映射到高维特征空间后的矩阵，N是采样样本个数，青霉素发酵过程初始监测模型主要因素的调节因子青霉素发酵过程初始模型主要因素的修正矩阵k(X，x₁)表示X和x₁的内积，K(X)表示样本矩阵的内积，表示和x₁的内积，为中间矩阵，表示中间矩阵的内积，为中间矩阵协方差的特征值阵，U′_Φ为过程变量的特征向量阵；提取青霉素发酵过程中间矩阵传输因子公式如下：1hΦN-1N(N-2)0T-1hΦN-1N(N-2)BA~=A(UΦ′)-1]]>对于青霉素发酵过程，一个新的采样x_new，采集的数据包括：通风率，搅拌器功率，基质进给速率，基质进给温度，生成的热量，溶解氧浓度，pH值和二氧化碳浓度；用初始监测模型得到的主要因素P和置信限，监测新的采样x_new是否出现异常；如果异常则报警，否则转到步骤3；步骤3：青霉素发酵过程采样x_new是正常数据时，采用递归核主元分析方法更新步骤2的青霉素发酵过程初始的监测模型，并计算更新后的青霉素发酵过程故障的主要因素公式如下：P^=Φ(X~xnew)A~-1hΦN-1N(N-2)B′0T1hΦN-1N(N-2)UΦ′′=Φ(Xnew)A^]]>式中，为更新样本矩阵映射到高维特征空间后的矩阵，青霉素发酵过程更新监测模型主要因素的调节因子青霉素发酵过程更新模型主要因素的修正矩阵表示和x_new的内积；步骤4：对青霉素发酵过程是否发生故障进行监测；通过监测Hotelling的T²统计和平方预测误差(SPE)统计进行故障监测，即可判断出青霉素发酵过程是否发生故障，当T²统计和SPE统计超出各自的置信限时，认为有故障发生，反之，整个过程正常，转到步骤3继续更新青霉素发酵过程的监测模型。