[发明专利]一种基于MLLE‑OCSVM的青霉素发酵过程故障监测方法在审

专利信息
申请号: 201710090832.0 申请日: 2017-02-20
公开(公告)号: CN106709214A 公开(公告)日: 2017-05-24
发明(设计)人: 高学金;马荣 申请(专利权)人: 北京工业大学
主分类号: G06F17/50 分类号: G06F17/50
代理公司: 北京思海天达知识产权代理有限公司11203 代理人: 张立改
地址: 100124 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 一种基于MLLE‑OCSVM的青霉素发酵过程故障监测方法,涉及基于数据驱动的故障监测技术领域。包括“离线建模”和“在线监测”两个阶段。“离线建模”的步骤为首先对发酵过程的三维数据进行处理;之后采用流形学习算法中的局部线性嵌入方法(MLLE)对原始高维数据样本进行特征提取;最后利用单类支持向量机(OCSVM)进行建模构造监控统计量,并利用核密度估计方法确定控制限。“在线监测”的步骤为对新采集的数据按照模型进行处理,计算其统计量并与控制限进行比较判断发酵过程是否运行正常。本发明无需假设发酵过程变量服从高斯或非高斯等具体的分布,故障监测的准确率较高。
搜索关键词: 一种 基于 mlle ocsvm 青霉素 发酵 过程 故障 监测 方法
【主权项】:
一种基于MLLE‑OCSVM的青霉素发酵过程故障监测方法,其特征在于,包括“离线建模”和“在线监测”两个阶段,其中“离线建模”阶段主要是基于青霉素发酵过程正常工况下的历史数据建立发酵过程的模型,并通过一系列方法确定模型的“控制限”;“在线监测”阶段主要是对被监测的实时过程数据按照模型进行处理,判断其是否超过“控制限”,若超限则认为发酵过程发生故障,进行报警;若未超限则认为发酵过程运行正常;具体步骤如下:A.离线建模阶段:1)青霉素发酵过程正常工况下历史数据的采集:每次发酵过程的反应时间有限,产品需要多批量、重复性生产,故而一次间歇过程周期称之为一个批次;因此,收集到的发酵过程正常工况下的历史数据集合要比连续过程多一维“批次”元素,即典型的发酵过程数据是一个三维矩阵,其表达形式为XI×J×K,I是批次数,J是过程变量的个数,K是采样次数;2)对历史数据进行标准化处理,处理方式如下:三维数据的预处理:首先计算历史数据X的所有时刻上所有过程变量的均值和标准方差,其中第k采样时刻的第j个过程变量的均值的计算公式为,xi,k,j表示第i批次中第k采样时刻的第j个过程变量的测量值,k=1,...,K,j=1,...,J;第k采样时刻的第j个过程变量的标准方差sk,j的计算公式为,k=1,...,K,j=1,...,J;然后对历史数据X进行标准化,其中第i批次中第k采样时刻的第j个过程变量的标准化计算公式如下:x~i,k,j=xi,k,j-x‾k,jsk,j]]>其中,i=1,...,I,j=1,...,J,k=1,...,K;3)将步骤2)标准化后的数据重新构造成二维矩阵X',该矩阵共有J个列向量,即X'=(X′1,X'2,...,X'J),其中第j个列向量X'j=(X'j,1,...,X'j,K)T,X'j,k=(X'j,k,1,...,X'j,k,I)T,其中X'j,k,i表示经过步骤2)标准化处理后的第j个过程变量第k个采样时刻在第i个批次中对应的值,其中i=1,...,I,j=1,...,J,k=1,...,K;4)利用局部线性嵌入(MLLE)方法进行特征提取:将二维矩阵X'利用MLLE算法求得相关矩阵M前(1,d+1)个特征值所对应的特征向量V,再根据得到低维矩阵Y,其中对应步骤3)中的X';5)利用OCSVM对Y每个时刻的所有批次数据分别进行训练,得到第k采样时刻的决策超平面函数Fk(·),然后计算建模数据相应的D统计量,D=(D′1,...,D'K),D'k=(d'k,1,...,d'k,I),其中,d'k,i=‑Fk(Y′k,i),Y′k,i为Y在第k采样时刻的第i列;6)利用核密度估计方法估计上述求得的统计量在预设置信限时的估计值,并将其作为模型的控制限;B.在线监测阶段:7)采集当前发酵过程第k采样时刻的J个过程变量的数据xk,并根据步骤2)中得到的k时刻的均值和标准方差对其进行标准化得到其中第k采样时刻的第j个过程变量的标准化公式如下:x~k,j=xk,j-x‾k,jsk,j]]>其中,xk,j为当前第k采样时刻所采集发酵数据中的第j个过程变量,为第k采样时刻的第j个过程变量的平均值,sk,j为第k采样时刻的第j个过程变量的标准方差,j=1,...,J,k=1,...,K;8)将步骤7)中标准化后的数据作为二维矩阵X',并求得X'低维矩阵y如下式所示:y=Vx~]]>其中,V为离线建模阶段步骤4)中矩阵M前(1,d+1)个特征值所对应的特征向量;其中对应X';9)将步骤8)中得到的y按下式计算新采集数据的监控统计量D:D(y)=‑Fk(y)其中,Fk为离线建模阶段步骤5)所确定的第k时刻的决策超平面;10)将上述计算得到的监控统计量D与建模阶段的步骤6)确定的控制限进行比较,如果超限则认为发生故障,进行报警;否则即为正常;11)若发酵过程完毕,则终止监测;否则采集下一时刻的数据,返回步骤7),继续进行过程监测。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710090832.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top