基于自学统计分析的聚丙烯生产过程半监督监测方法

摘要

本发明公开了一种基于自学统计分析的聚丙烯生产过程半监督监测方法，本发明通过引入自学策略，将传统聚丙烯过程的数据统计分析方法扩展为半监督的形式。在过程只有少量经过鉴定的样本数据情况下，通过同时引入大量未鉴定的过程数据，实现聚丙烯过程的半监督建模和监测。相比目前的其它过程监测方法，本发明不仅可以大大提高聚丙烯生产过程的故障误报率和监测效果，而且在很大程度上降低了聚丙烯过程监测的复杂性，可以大量减少人力、物力和财力，对聚丙烯过程的工业自动化实施无疑是非常有利的。

主权项

1.一种基于自学习统计分析的聚丙烯生产过程半监督监测方法，其特征在于，包括以下步骤：（1）利用集散控制系统收集聚丙烯生产过程的数据组成建模用的二维训练样本集：X∈R^n×m。其中，n为样本数据集的个数，m为样本数据集的变量个数。将这些数据存入历史数据库。（2）将数据集分为两个不同的部分，其中一个部分是经过人为鉴定为正常的过程数据，记为其中n₁为已鉴定样本数据集的个数，m为该样本数据集的变量个数；另一部分为未鉴定的过程数据，记为其中n₂为未鉴定样本数据集的个数，m为该样本数据集的变量个数。（3）针对已鉴定的数据样本集，对其进行归一化处理，建立基于主元分析的数据统计监测模型，确定主元的方向和个数。（4）在分析主元和残差的基础上，建立监测统计量，并确定相应的统计限。（5）基于初始的主元统计分析模型，对未鉴定数据集中的数据进行自动标记，计算相应的主元和监测统计量值。（6）在监测统计量的基础上，建立未鉴定样本的置信度指标，衡量其在上一步主元分析模型中的可信程度。（7）基于样本的置信度分析结果，选取部分具有高置信度的样本进入下一轮的自学习建模，并调整鉴定样本集和未鉴定样本集的数据库。（8）经过多轮自学习建模和模型参数调整，得到最终的主元统计分析模型。（9）收集新的过程数据，并对其进行预处理和归一化。（10）利用自学习得到的最终主元分析模型计算新数据的主元，并得到监测统计量的值，判断当前过程的运行状态。