[发明专利]一种基于核最小二乘回归的青霉素发酵过程故障分离方法

摘要

本发明提供一种基于核最小二乘回归的青霉素发酵过程故障分离方法，包括：获取青霉素发酵过程的历史故障数据集；根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；实时采集青霉素发酵过程数据并判断当前青霉素发酵过程是否发生故障；利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。本发明通过引入核最小二乘回归，将非线性的数据映射到线性空间，从而能够解决非线性空间的故障监测和故障诊断问题，并且能够以较高精度的分离出故障的种类。

主权项

一种基于核最小二乘回归的青霉素发酵过程故障分离方法，其特征在于：包括以下步骤：步骤1：获取青霉素发酵过程的历史故障数据集，所述故障数据包括通风率、搅拌器的功率以及底物喂料的流速；步骤2：根据青霉素发酵过程的历史故障数据建立核最小二乘回归学习模型，该模型的输入为青霉素发酵过程的历史故障数据集，输出为青霉素发酵过程的故障类别；步骤2.1：将青霉素发酵过程的历史故障数据集X映射到高维特征空间，青霉素发酵过程的历史故障数据集X的线性目标函数XW+entT≈Y，其相应的非线性目标函数Φ(X)W+entT≈Y，其中，Φ(X)是青霉素发酵过程的历史故障数据X的投影函数，Y是故障类别矩阵，en是单位矩阵，W是转换矩阵，t是平移向量；步骤2.2：利用拖拽因子B⊙M对青霉素发酵过程的历史故障数据集X的非线性目标函数Φ(X)W+entT≈Y进行优化，得到优化的非线性目标函数Φ(X)W+entT‑(Y+B⊙M)≈0，B是拖拽方向矩阵、M是拖拽量矩阵；步骤2.3：根据核最小二乘回归学习LSR框架，建立基于核最小二乘回归的青霉素发酵过程故障分离模型：该模型以优化的非线性目标函数最小化为目标，以拖拽量矩阵M≥0为边界条件；步骤2.4：确定基于核最小二乘回归的青霉素发酵过程故障分离模型的W、t和M；步骤2.4.1：根据矩阵求导理论确定W；步骤2.4.2：根据矩阵求导理论确定t；步骤2.4.3：根据基于Frobenius范数平方按元素解耦理论确定M；步骤2.5：确定最终的基于核最小二乘回归的青霉素发酵过程故障分离模型；步骤3：实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并根据采集的青霉素发酵过程数据判断当前青霉素发酵过程是否发生故障；步骤3.1：实时采集青霉素发酵过程数据，包括通风率、搅拌器的功率以及底物喂料的流速，并进行中心化和标准化处理；步骤3.2：求出实时采集青霉素发酵过程数据的核矩阵，并将其中心化和标准化处理；步骤3.3：计算新数据的SPE统计量和霍特林统计量T2，利用核主元分析方法KPCA判断当前青霉素发酵过程是否发生故障：若SPE统计量或霍特林统计量T2超出相应的置信上限，则当前青霉素发酵过程发生故障，执行步骤4，否则返回步骤3.1；步骤4：利用基于核最小二乘回归的青霉素发酵过程故障分离模型对实时采集的青霉素发酵过程数据进行故障分离，确定故障类别。