【技术实现步骤摘要】
本专利技术涉及生产质量检测领域，尤其涉及一种间歇过程质量轨迹监测与参数优化方法。
技术介绍
1、近年来，间歇过程在流程工业中的比重日益增长，尤其被应用于生产高价值产品，例如药品、食品、半导体、高分子材料等。由于间歇过程对产品的最终质量有较高的要求，因此间歇过程的质量相关监控也随之成为了过程监测领域的研究热点之一。与连续过程不同，间歇过程数据特性往往更加复杂，本身包含批次、时间和变量三个维度的信息，导致了传统的稳态过程监测方法不再适用。为此，学者们提出了一系列针对间歇过程的故障检测方法。然而，间歇过程中的变量往往随着采样时间的变化有着较为显著的时变特性，如何提取数据的动态特征和变化趋势成为了间歇过程故障检测的一个重要问题。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种间歇过程质量轨迹监测与参数优化方法。
2、本专利技术的技术方案是：一种间歇过程质量轨迹监测与参数优化方法，所述方法包括步骤：
3、s1、获取历史数据集中的历史轨迹数据以及历史质量变量，并对所述历史轨迹数据进行处理获取历史轨迹向量集；
4、s2、获取当前轨迹向量集，与所述历史轨迹数据进行比对分析后输入轨迹监测模型，判断是否超出轨迹控制限；
5、s3、判断当前质量变量是否超出质量控制限；
6、s4、于所述当前轨迹向量和所述当前质量变量均未超限时，进行过程参数优化；
7、s5、于所述当前轨迹向量和所述当前质量变量中至少一个超限时，判断出现故障并
8、较佳的，上述步骤s1包括过程：
9、s11、确定轨迹差分步长s，获取多组正常生产过程中的所述历史轨迹数据以及所述历史质量变量；
10、s12、将多组所述历史轨迹数据作为样本集进行归一化处理，获取所述历史轨迹向量集；
11、s13、根据多组所述历史质量变量，计算基准轨迹并确定所述质量控制限。3、根据权利要求2所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤s12中，对所述历史轨迹数据的样本集x进行归一化处理的步骤包括：
12、tri,j,k＝||xi,j,k-xi,j,k-s|| (1)
13、
14、
15、x∈ri×j×k，其中i表示批次数量，j表示变量个数，k表示每个批次中的样本采样总数；tri,j,k表示第i个批次第j个变量在第k个采样时刻下以s为计算步长的轨迹差分值，表示当前批次和采样时刻的轨迹差分值集合，即未归一化的轨迹向量，为利用向量模长进行归一化计算后得到的历史轨迹向量。
16、较佳的，上述步骤s2包括过程：
17、s21、获取当前生产下的当前轨迹数据，对所述当前轨迹数据进行归一化处理，获取所述当前轨迹向量；
18、s22、将所述当前轨迹向量与所述历史轨迹向量进行相似度比较，获取与所述当前轨迹向量最接近的n个相似历史轨迹向量；
19、s23、将n个相似历史轨迹向量输入轨迹监测模型，判断所述当前轨迹向量是否超限。
20、较佳的，在步骤s21中，对所述当先轨迹数据进行前后时刻差分处理，以构建所述当前轨迹向量。
21、较佳的，在步骤s22中，当前轨迹向量与历史轨迹向量进行相似度比较的过程包括：
22、
23、
24、
25、其中，di,k表示即时学习算法中当前轨迹向量和历史轨迹向量之间基于向量欧氏距离的相似度度量，cosθi,k表示两者基于向量空间夹角的相似度度量，si,k表示以λ为权重的综合相似度度量。因此，在步骤s22中，通过si,k选出与当前轨迹向量最接近的n个相似历史轨迹向量。
26、较佳的，步骤s23中利用所述轨迹监测模型判断是否超限的过程包括：
27、
28、
29、
30、spe＝eet＝x·(i-ppt)·xt≤qα (7)
31、其中，选取了n个最为相似的历史轨迹向量样本作为用于pca离线建模的历史轨迹数据集主元矩阵t保留了数据集的主要特征，p表示负载矩阵，e表示残差矩阵；t表示主元矩阵t中的主元向量，λ表示数据集的特征值矩阵，k表示保留的主元个数，m表示数据集中的变量数，fα(k,m-k)表示检验水平为α，第一自由度为k，第二自由度为m-k的f分布；e表示残差向量，qα表示检验水平为α，与标准正态分布置信极限相关的残差控制限。
32、较佳的，在步骤s13中，根据多组历史质量变量获取质量控制限的方式如下：
33、
34、
35、其中limitupper(k)表示历史质量变量数据中第k个采样时刻的质量控制限上限，limitlower(k)表示历史质量变量数据中第k个采样时刻的质量控制限下限，表示第k个采样时刻的质量轨迹平均值，σ(k)表示质量轨迹在第k个采样时刻的标准差。
36、较佳的，在步骤s3中，当采集到实时质量变量数据后，计算出当前质量变量的实时轨迹，并在可视化轨迹图中进行绘制并结合质量控制限轨迹判断当前质量轨迹是否超出质量控制限。
37、较佳的，在步骤s4中，对生产过程中过程参数进行优化的过程如下：
38、
39、其中λj表示过程变量的优化权重系数，其值大于0时表示对应变量为优化目标；λj+1表示质量变量的优化权重系数，y表示过程参数进行优化之后的质量变量值，表示基准质量轨迹的值。
40、上述技术方案具有如下优点或有益效果：在上述一种间歇过程质量轨迹监测与参数优化方法中，提取了生产过程中间歇过程数据特征，构造过程轨迹向量并实现质量变量的可视化和故障检测，并在容错范围内调整可控过程变量，实现轨迹向量以及质量变量分析的监测和参数优化。即利用轨迹分析技术实现对间歇过程质量轨迹的分析和故障检测，用于解决间歇过程质量相关监测问题。另一方面，由于轨迹分析技术可以有效利用监测结果进一步对过程进行后续优化，在保证过程质量轨迹保持在正常范围之内的情况下可以对其他过程变量和参数进行对应的优化，实现降低生产能耗等经济目标。与传统的间歇过程监测方法相比，该更加注重间歇生产的质量，并在质量参数正常的基础上对过程参数进行优化，实现降低能耗、减少原料损耗等实际目标。
本文档来自技高网...【技术保护点】
1.一种间歇过程质量轨迹监测与参数优化方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，上述步骤S1包括过程：
3.根据权利要求2所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤S12中，对所述历史轨迹数据的样本集X进行归一化处理的步骤包括：
4.根据权利要求3所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，上述步骤S2包括过程：
5.根据权利要4所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤S21中，对所述当先轨迹数据进行前后时刻差分处理，以构建所述当前轨迹向量。
6.根据权利要求4所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤S22中，当前轨迹向量与历史轨迹向量进行相似度比较的过程包括：
7.根据权利要求6所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，步骤S23中利用所述轨迹监测模型判断是否超限的过程包括：
8.根据权利要求2所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在
9.根据权利要求8所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤S3中，当采集到实时质量变量数据后，计算出当前质量变量的实时轨迹，并在可视化轨迹图中进行绘制并结合质量控制限轨迹判断当前质量轨迹是否超出质量控制限。
10.根据权利要求1所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤S4中，对生产过程中过程参数进行优化的过程如下：
...【技术特征摘要】
1.一种间歇过程质量轨迹监测与参数优化方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，上述步骤s1包括过程：
3.根据权利要求2所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤s12中，对所述历史轨迹数据的样本集x进行归一化处理的步骤包括：
4.根据权利要求3所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，上述步骤s2包括过程：
5.根据权利要4所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤s21中，对所述当先轨迹数据进行前后时刻差分处理，以构建所述当前轨迹向量。
6.根据权利要求4所述的间歇过程质量轨迹监测与参数优化方法，其特征在于，在步骤s22中，当前轨...
【专利技术属性】
技术研发人员：沈非凡，陈文飞，沈建民，李斌彬，刘骞宇，金恒，马佳星，
申请(专利权)人：浙大宁波理工学院，
类型：发明
国别省市：
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。