The present invention relates to a multi-stage process quality prediction method based on hybrid MPLS. First, the GMM model is used to identify each batch of data. For multiple batches of the same stage of unequal length, using dynamic time warping (Dynamic time warping, DTW) algorithm based on the similarity between the minimum and maximum duration of response synchronization for isometric trajectory. The single MPLS model is established by the variable expansion method in the synchronized data set. Secondly, according to the Fisher criterion analysis (Fisher DiscriminantAnalysis, FDA) method to search for the optimal projection vector between each data set, the correlation minimization sub stage between data samples, and the introduction of kernel density estimation method of sub phase data in the best projection vector on the probability density distribution, online monitoring stage switch. Finally, the Bayesian principle is used to fuse each sub stage MPLS model to forecast the quality.
【技术实现步骤摘要】
基于混合MPLS的多阶段过程质量预报方法
本专利技术属于自动化控制
,具有涉及一种基于混合MPLS的多阶段过程质量预报方法。
技术介绍
在工业过程中,由于工艺和检测技术的限制,产品的质量指标难以在线直接测量,需要离线分析得到,导致产品质量信息具有一定的时间滞后性,使得产品质量很难得到在线反馈和控制。但是工业过程中许多易于测量的过程变量蕴含着最终的质量信息,可以通过分析过程变量和产品质量测量值之间的关系,进而对产品生产过程建模,实现对产品质量的在线预测。传统的基于解析模型的生产过程质量预测需要准确的数学和生产经验,从而限制了其实际应用。多向主元分析(Multi-wayPrincipleComponentAnalysis,MPCA)和多向偏最小二乘(Multi-waypartialLeastSquares,MPLS)是经常采用的统计过程控制方法(MultipleStatisticalProcessControl,MSPC)。MPLS是采用多元统计分析方法,将过程数据和质量数据从高维数据空间投影到低维特征子空间,所得到的特征变量保留了原始数据的特征信息,是一种高维数据处理的有效工具。但是传统的MPLS使用整个处理过程数据作为输入,提取和质量变量最相关的特征过程变量,所建立的预报模型需要全局的处理数据之间高度的相关性,忽略了局部的反应过程对最终质量的影响。事实上,工业生产过程存在多阶段、局部性等固有特征。因此更多潜在的局部信息可以通过将数据分为更有意义的数据块进行分析,多阶段方法广泛地应用在在线和离线的质量预报。Duchesne等提出轨迹Multi-bloc ...
【技术保护点】
一种基于混合MPLS的多阶段过程质量预报方法,其特征是:本方法基于在偏最小二乘,记作PLS,PLS是多元统计分析中一个重要的方法,研究多维矩阵X和Y之间的关系,寻找最优的低维特征解释方向,多向偏最小二乘方法,记作MPLS,是PLS的一种推广形式,其通过将多批次的历史过程数据矩阵X(I×J×K)和质量数据矩阵Y(I×M×K)以变量方式展开为二维矩阵X(IK×J)和Y(IK×M),并提取低维的潜在特征;MPLS形式如下:X(IK×J)=TP
【技术特征摘要】
1.一种基于混合MPLS的多阶段过程质量预报方法,其特征是:本方法基于在偏最小二乘,记作PLS,PLS是多元统计分析中一个重要的方法,研究多维矩阵X和Y之间的关系,寻找最优的低维特征解释方向,多向偏最小二乘方法,记作MPLS,是PLS的一种推广形式,其通过将多批次的历史过程数据矩阵X(I×J×K)和质量数据矩阵Y(I×M×K)以变量方式展开为二维矩阵X(IK×J)和Y(IK×M),并提取低维的潜在特征;MPLS形式如下:X(IK×J)=TPT+EY(IK×M)=QUT+F式中,T(IK×A),P(J×A)为矩阵X的得分和负载矩阵,同一子阶段内数据分布相似,不同阶段间的分布差异很大,为了保证子阶段内相似数据分布的预报性能,分别建立各子阶段MPLS模型,并结合Fisher判据分析和核密度估计方法优点提出一种FDA_Kernel状态监测方法,显著子阶段内以及阶段间的状态切换,实现多阶段状态监测,根据贝叶斯原则在FDA_Kernel状态监测中融合质量变量信息得到混合MPLS模型,具体步骤为:第一步,进行离线建模1)对I批历史过程数据xi(K×J)和质量数据yi(K×M)进行标准化。并根据GMM模型对过程和质量数据组成的高维分布进行阶段识别,得到每批次p个子阶段数据子集,其中i为对应历史过程批次,J为测量变量个数,M为质量变量个数,K为批次反应时间;2)根据相似度最小和同一子阶段最大持续时间原则,应用动态时间规整技术(DTW)同步多批次同一子阶段为等长轨迹;3)同步后的子阶段数据按变量展开方式得到子阶段...
【专利技术属性】
技术研发人员:王培良,叶晓丰,杨泽宇,
申请(专利权)人:湖州师范学院,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。