发明名称 一种基于MICA-OCSVM的发酵过程故障监测方法
摘要 本发明公开了一种实现对青霉素发酵过程进行实时故障监测的新方法。为了保证青霉素发酵过程的安全性和稳定性,建立一种有效的过程监测方案来及时地检测异常现象是十分有必要的。本发明包括“离线建模”和“在线监测”两个阶段。“离线建模”包括:首先对发酵过程的三维数据进行处理;之后采用独立成分分析(ICA)提取数据的独立成分信息;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”包括: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。
申请公布号 CN103838217B 申请公布日期 2016.08.10
申请号 CN201410085508.6 申请日期 2014.03.10
申请人 北京工业大学 发明人 王普;张亚潮;高学金;崔宁
分类号 G05B19/418(2006.01)I 主分类号 G05B19/418(2006.01)I
代理机构 北京思海天达知识产权代理有限公司 11203 代理人 吴荫芳
主权项 一种基于MICA‑OCSVM的发酵过程故障监测方法,其特征包括“离线建模”和“在线监测”两个阶段,具体步骤如下:A.离线建模阶段:1)采集发酵过程正常工况下的历史数据,所述的历史数据X由离线测试得到的同一发酵过程相同工艺下的I批次数据构成,X=(X<sub>1</sub>,X<sub>2</sub>,...,X<sub>I</sub>)<sup>T</sup>,其中X<sub>i</sub>表示第i批次数据,每个批次包含K个采样时刻,每个采样时刻采集J个过程变量,即X<sub>i</sub>=(X<sub>i,1</sub>,X<sub>i,2</sub>,...,X<sub>i,K</sub>),其中X<sub>i,k</sub>表示第i批次第k采样时刻采集的数据,X<sub>i,k</sub>=(x<sub>i,k,1</sub>,x<sub>i,k,2</sub>,...,x<sub>i,k,J</sub>),其中x<sub>i,k,j</sub>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;2)对历史数据X进行标准化处理,处理方式如下: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<img file="FDA0000991270110000011.GIF" wi="74" he="78" />的计算公式为,<img file="FDA0000991270110000012.GIF" wi="345" he="127" />x<sub>i,k,j</sub>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;第k采样时刻的第j个过程变量的标准方差s<sub>k,j</sub>的计算公式为,<img file="FDA0000991270110000013.GIF" wi="614" he="151" />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:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mover><mi>x</mi><mo>~</mo></mover><mrow><mi>i</mi><mo>,</mo><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mrow><mi>i</mi><mo>,</mo><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>-</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow><msub><mi>s</mi><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub></mfrac></mrow>]]></math><img file="FDA0000991270110000014.GIF" wi="365" he="159" /></maths>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′<sub>1</sub>,X'<sub>2</sub>,...,X'<sub>J</sub>),其中第j个列向量X'<sub>j</sub>=(X'<sub>j,1</sub>,...,X'<sub>j,K</sub>)<sup>T</sup>,X'<sub>j,k</sub>=(X′<sub>j,k,1</sub>,...,X'<sub>j,k,I</sub>)<sup>T</sup>,其中X'<sub>j,k,i</sub>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;4)利用独立成分分析ICA方法提取独立成分:4.1)对二维矩阵X'利用主成分分析PCA方法得到白化矩阵Q,Q=Λ<sup>‑1/2</sup>U<sup>T</sup>,其中U和Λ分别为X'的协方差矩阵对应的特征向量矩阵和特征值矩阵,之后将X'进行白化,白化公式为:Z=QX';4.2)利用快速ICA算法Fast ICA从Z中估计出新的混合矩阵B和分离矩阵W,再根据S=B<sup>T</sup>Z得到独立成分S,S=(S<sub>1</sub>',...,S'<sub>K</sub>),S'<sub>k</sub>=(S'<sub>k,1</sub>,...,S'<sub>k,I</sub>),S'<sub>k,i</sub>=(S<sub>1</sub>'<sub>,k,i</sub>,...,S'<sub>J,k,i</sub>)<sup>T</sup>,其中i=1,...,I,I表示批次数据;5)利用单类支持向量机OCSVM对所有S'<sub>k</sub>分别进行训练,k=1,...,K,依次得到S在每个采样时刻的决策超平面函数,其中F<sub>k</sub>(·)表示利用OCSVM对S'<sub>k</sub>进行训练得到的第k采样时刻的决策超平面函数,然后计算建模数据相应的D统计量,D=(D<sub>1</sub>',...,D'<sub>K</sub>),D'<sub>k</sub>=(d'<sub>k,1</sub>,...,d'<sub>k,I</sub>),其中,d'<sub>k,i</sub>=‑F<sub>k</sub>(S'<sub>k,i</sub>);6)利用核密度估计方法估计上述求得的D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x<sub>k</sub>,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<img file="FDA0000991270110000021.GIF" wi="385" he="76" />其中第k采样时刻的第j个过程变量<img file="FDA0000991270110000022.GIF" wi="75" he="77" />的标准化公式如下:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mover><mi>x</mi><mo>~</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>=</mo><mfrac><mrow><msub><mi>x</mi><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>-</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow><msub><mi>s</mi><mrow><mi>k</mi><mo>,</mo><mi>j</mi></mrow></msub></mfrac></mrow>]]></math><img file="FDA0000991270110000031.GIF" wi="342" he="159" /></maths>其中,x<sub>k,j</sub>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,<img file="FDA0000991270110000032.GIF" wi="77" he="79" />为第k采样时刻的第j个过程变量的平均值,s<sub>k,j</sub>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)提取标准化后的k时刻采集数据<img file="FDA0000991270110000033.GIF" wi="51" he="70" />的独立成分s<sub>k</sub>,计算公式如下:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>s</mi><mi>k</mi></msub><mo>=</mo><mi>W</mi><msub><mover><mi>x</mi><mo>~</mo></mover><mi>k</mi></msub></mrow>]]></math><img file="FDA0000991270110000034.GIF" wi="198" he="79" /></maths>其中,W为离线建模阶段步骤4.2)中所确定的分离矩阵;9)计算当前发酵过程k时刻采集数据的监控统计量<img file="FDA0000991270110000035.GIF" wi="94" he="70" />计算公式如下:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mover><mi>D</mi><mo>&OverBar;</mo></mover><mi>k</mi></msub><mo>=</mo><mo>-</mo><msub><mi>F</mi><mi>k</mi></msub><mrow><mo>(</mo><msub><mi>s</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000991270110000036.GIF" wi="278" he="79" /></maths>其中,F<sub>k</sub>为离线建模阶段步骤5)所确定的第k时刻的决策超平面函数,s<sub>k</sub>为标准化后的k时刻采集数据<img file="FDA0000991270110000037.GIF" wi="51" he="71" />的独立成分;10)将上述计算得到的监控统计量<img file="FDA0000991270110000038.GIF" wi="65" he="63" />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。
地址 100124 北京市朝阳区平乐园100号