基于核偏最小二乘重构的青霉素发酵过程故障诊断方法

摘要

本发明提供一种基于核偏最小二乘重构的青霉素发酵过程故障诊断方法，包括：采集青霉素发酵过程的离线历史正常数据；分别对青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程状态变量离线历史正常数据集进行规范及标准化；利用改进的核偏最小二乘方法建立青霉素发酵过程的故障监测模型；在线监测青霉素发酵过程的故障；建立基于改进的核偏最小二乘重构的青霉素发酵过程故障相关方向模型；进行青霉素发酵过程故障诊断。本发明将输入空间划分为：与输出直接相关的主元空间，与输出无关的主元空间以及与输出无关的残差空间。与传统方法相比，既监测到了和输出相关的输入变量，又精确的监测到和输入相关的变量。

主权项

基于核偏最小二乘重构的青霉素发酵过程故障诊断方法，其特征在于：包括以下步骤：步骤1：采集青霉素发酵过程的离线历史正常数据，包括青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程状态变量离线历史正常数据集；青霉素发酵过程操作变量包括通风率、搅拌器功率、底物喂料的流速、底物喂料的温度、PH值及发酵反应器的温度；青霉素发酵过程状态变量包括青霉素的浓度、青霉素反应产生的热量、二氧化碳的浓度、培养基的体积和菌体的浓度；步骤2：分别对青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程状态变量离线历史正常数据集进行规范及标准化；步骤3：利用改进的核偏最小二乘方法建立青霉素发酵过程的故障监测模型，该模型的输入为青霉素发酵过程操作变量离线历史正常数据集，该模型的输出为青霉素发酵过程状态变量离线历史正常数据集；步骤3.1：数据核映射：将青霉素发酵过程操作变量离线历史正常数据集通过核函数从原始数据空间映射到高维特征空间；步骤3.2：利用核偏最小二乘法将青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程状态变量离线历史正常数据集分别划分为主元空间和残差空间；步骤3.3：利用核主元分析法将青霉素发酵过程操作变量离线历史正常数据集的残差空间划分为残差空间的主元空间和残差空间的残差空间，进而得到青霉素发酵过程的故障监测模型：将青霉素发酵过程操作变量离线历史正常数据集表示为其主元空间的数据集、残差空间的主元空间的数据集和残差空间的残差空间的数据集之和，将青霉素发酵过程状态变量离线历史正常数据集表示为其主元空间的数据集和残差空间的数据集之和；步骤4：利用青霉素发酵过程的故障监测模型，在线监测青霉素发酵过程的故障；步骤4.1：在线获取青霉素发酵过程操作变量数据和青霉素发酵过程状态变量数据；步骤4.2：对在线获取的青霉素发酵过程操作变量数据和青霉素发酵过程状态变量数据进行规范及标准化；步骤4.3：数据核映射：将在线获取的青霉素发酵过程操作变量数据通过核函数从原始数据空间映射到高维特征空间；步骤4.4：计算在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的主元空间中的霍特林统计量、在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的残差空间中的霍特林统计量和在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的残差空间中的SPE统计量；步骤4.5：判断计算得到的在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的主元空间中的霍特林统计量、在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的残差空间中的霍特林统计量和在线获取的青霉素发酵过程操作变量数据在青霉素发酵过程操作变量离线历史正常数据集的残差空间中的SPE统计量中是否有至少一个统计量高于其相应的置信限：是，则当前青霉素发酵过程出现故障，执行步骤5，否则返回步骤4.1；步骤5：建立基于改进的核偏最小二乘重构的青霉素发酵过程故障相关方向模型；步骤5.1：采集青霉素发酵过程的离线历史故障数据，包括青霉素发酵过程操作变量离线历史故障数据集和青霉素发酵过程状态变量离线历史故障数据集；步骤5.2：对青霉素发酵过程操作变量离线历史故障数据集和青霉素发酵过程状态变量离线历史故障数据集进行规范及标准化；步骤5.3：将青霉素发酵过程操作变量离线历史故障数据集通过核函数从原始数据空间映射到高维特征空间；步骤5.4：根据青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程操作变量离线历史故障数据集，重构青霉素发酵过程操作变量离线历史故障数据集的主元空间的故障相关方向；步骤5.5：根据青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程操作变量离线历史故障数据集重构青霉素发酵过程操作变量离线历史故障数据集的残差空间的主元空间的故障相关方向；步骤5.6：根据青霉素发酵过程操作变量离线历史正常数据集和青霉素发酵过程操作变量离线历史故障数据集重构青霉素发酵过程操作变量离线历史故障数据集的残差空间的残差空间的故障相关方向；步骤5.7：针对青霉素发酵过程的所有故障，应用步骤5.1‑5.6分别重构出青霉素发酵过程操作变量离线历史故障数据集的主元空间的故障相关方向、青霉素发酵过程操作变量离线历史故障数据集的残差空间的主元空间的故障相关方向、青霉素发酵过程操作变量离线历史正常数据集的残差空间的残差空间的故障相关方向构成基于改进的核偏最小二乘重构的青霉素发酵过程故障相关方向，从而建立了改进的核偏最小二乘重构的青霉素发酵过程故障相关方向的模型库；步骤6：利用青霉素发酵过程故障相关方向模型进行青霉素发酵过程故障诊断；步骤6.1：根据青霉素发酵过程操作变量离线历史故障数据集的主元空间的故障相关方向，计算在线获取的青霉素发酵过程操作变量数据的主元空间的得分矩阵及其对应的霍特林统计量；步骤6.2：根据青霉素发酵过程操作变量离线历史故障数据集的残差空间的主元空间的故障相关方向，计算在线获取的青霉素发酵过程操作变量数据的残差空间的得分矩阵及其对应的霍特林统计量；步骤6.3：根据青霉素发酵过程操作变量离线历史正常数据集的残差空间的残差空间的故障相关方向，计算在线获取的青霉素发酵过程操作变量数据的残差空间的SPE统计量；步骤6.4：判断在线获取的青霉素发酵过程操作变量数据的主元空间的霍特林统计量、在线获取的青霉素发酵过程操作变量数据的残差空间的霍特林统计量、在线获取的青霉素发酵过程操作变量数据的残差空间的SPE统计量是否均低于设定的各自的置信限，是，则当前故障即为青霉素发酵过程中真正的故障，否则当前故障为已有故障的组合或是新的故障。