一种基于k近邻的批次过程在线实时监测方法

摘要

本发明公开了一种基于k近邻的批次过程在线实时监测方法，本发明根据每个采样时刻的历史数据进行多个建模，并根据这些模型对批次过程实时地监测【通过离线训练，建立模型】。将批次过程的历史数据按照采样时刻切割为多个二维数据矩阵，对每一个二维数据矩阵进行归一化处理后，利用k近邻方法分别建立所有采样时刻的控制限【】；在线采集批次过程的测量数据并归一化处理，计算测量样本的k个最近邻平方累积距离，并与第一部分中得到的采集测量数据对应采样时刻下的控制限作比较，判断批次过程是否异常。若测量样本的k个最近邻平方累积距离超出了第一部分中得到的采集测量数据对应采样时刻下的控制限，则表明批次过程发生异常。本发明方法能够及时检测批次过程存在的异常情况。

主权项

一种基于k近邻的批次过程在线实时监测方法，其特征在于,该方法具体包括以下步骤：第一部分：离线训练，建立模型；将批次过程的历史数据沿着时间轴切割为多个二维数据矩阵，对每一个二维数据矩阵进行归一化处理后，利用k近邻方法分别建立所有采样时刻的控制限；第二部分：在线实时检测；在线采集批次过程的测量数据并归一化处理，计算测量样本的k个最近邻平方累积距离，并与第一部分中得到的采集测量数据对应采样时刻下的控制限作比较，判断批次过程是否异常；若测量样本的k个最近邻平方累积距离超出了第一部分中得到的采集测量数据对应采样时刻下的控制限，则表明批次过程发生异常。