[发明专利]基于统计分析和贝叶斯集成的青霉素生产过程监测方法

摘要

本发明公开了一种基于统计分析和贝叶斯集成的青霉素生产过程监测方法。针对青霉素生产过程的多工况特性，该方法首先将混合数据划分为多个子工况，然后对每一个工况数据分别建立统计分析监测模型。在实时监测的时候，通过贝叶斯推理方法对不同工况下的监测信息进行集成和综合，获得当前数据的监测结果。同时，利用后验概率分析方法，本发明还可以获取当前监测数据的工况信息。本发明不仅可以大大提高青霉素生产过程的实时监测效果，而且增强了过程监测工程师对青霉素生产过程的理解，更加有利于实现整个青霉素生产过程的自动化。

主权项

1.一种基于统计分析和贝叶斯集成的青霉素生产过程监测方法，其特征在于，包括以下步骤： （1）利用集散控制系统收集青霉素生产过程各个正常工况的数据组成建模用的三维训练样本集：X=[X₁;X₂;…,X_C]。其中，c=1,2,…,C为对应于过程工况c的数据矩阵，I_c为该工况下的批次数目，J为变量个数，K为每个批次的采样数据点数。分别将这些数据存入历史数据库。（2）分别将不同工况下的数据沿着各自的批次方向展开为I_c×JK二维数据矩阵，对其进行预处理和归一化，即使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为（3）重新沿着时间点方向对每一个数据矩阵进行排列，得到新的数据矩阵集中为（4）采用独立成分分析方法对每一个新的数据矩阵进行处理，建立独立成分分析模型，并得到残差矩阵（5）针对提取出来的独立成分，构造基于支持向量描述方法的监测统计量，并计算其统计限。 （6）针对残差矩阵采用主元分析方法对其进一步分析，并构造统计量，计算相应的统计限。（7）将建模数据和各个模型参数存入历史数据库和实时数据库中备用。 （8）收集新的过程数据，并对其进行预处理和归一化。 （9）分别采用不同的工况模型对其进行监测，并计算各个统计量的值。 （10）通过贝叶斯推理方法计算当前监测数据在各个操作工况下的后验概率值，计算数据的故障概率值，并给出相应的工况分析和定位结果。