专利名称：基于盲源信号分析的聚丙烯熔融指数软测量仪表及方法
技术领域：
本发明涉及工业过程软测量领域，特别地，涉及一种基于盲源信号分析的聚丙稀熔融指数软测量仪表及方法。
背景技术：
聚丙稀是以丙烯单体为主聚合而成的一种合成树脂，是塑料工业中的重要产品。在目前我国的聚烯烃树脂中，成为仅次于聚乙烯和聚氯乙烯的第三大塑料。在聚丙烯生产过程中，熔融指数(MI)是反映产品质量的一个重要指标。但MI只能离线检测，耗资而且耗时，无法及时了解聚丙烯生产过程的状态。因此，选取与熔融指数密切相关的易测变量作为二次变量，从中分析熔融指数，检测生产过程是否正常，成为当前丙烯聚合生产过程的一个难点和关键。
发明内容为了克服已有的聚丙稀熔融指数测量仪表的只能离线测量、计算速度慢、不能实时检测生产过程是否正常的不足，本发明提供一种能够在线测量、计算速度快、并能够实时检测生产过程的基于盲源信号分析的聚丙稀熔融指数软测量仪表及方法。
本发明解决其技术问题所采用的技术方案是一种基于盲源信号分析的聚丙稀熔融指数软测量仪表，包括与聚丙烯生产过程对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，所述的上位机为软测量智能处理器，所述的软测量智能处理器包括
标准化处理模块，用于对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)1)计算均值TX‾=1NΣi=1NTXi---(1)]]>2)计算方差σx2=1N-1Σi=1N(TXi-TX‾)---(2)]]>3)标准化X=TX-TX‾σx---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；盲源信号分析模块，用于依照提取的盲源信号个数，从输入变量中提取互相独立的盲源信号，具体步骤如下1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L wl-1]，i＝1，...，m；2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi,]]>其中wi+表示更新后的权重向量，E是数学期望，g(u)＝uexp(-u2/2)；3)标准化处理wi=wi+/||wi+||,]]>其中‖wi+‖表示wi+的范数；4)若不收敛，返回2；否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，从而盲源信号可由S＝WX计算得到；支持向量机建模模块，用于依照支持向量机核参数，计算核函数，具体步骤如下求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>
s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ由此计算w和待估计函数f(x)，其算式为(5) 其中，αi(i＝1，...，N)是拉各朗日乘子，xi(i＝1，...，N)是输入向量，y是输出变量，ω是支持向量机超平面的法向量，决定超平面的方向，b决定超平面的位置；信号采集模块，用于设定每次采样的时间间隔，从数据库中采集数据；软测量模块，用于对待检测数据VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据经过训练得到的盲源信号分析模块处理后作为支持向量机建模模块的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
作为优选的一种方案所述的软测量智能处理器还包括模型更新模块，用于定期将离线检测的实际数据加到训练集中，更新支持向量机模型。
作为优选的另一种方案所述的软测量仪表还包括DCS系统，所述的DCS系统由数据接口、控制站和历史数据库构成，所述的数据存储装置为DCS系统的历史数据库，所述的软测量智能处理器还包括结果显示模块，用于将软测量结果传给DCS系统，在DCS的控制站显示，并通过DCS系统和现场总线传递到现场操作站进行显示。
作为优选的再一种方案所述的现场智能仪表、DCS系统、软测量智能处理器通过现场总线依次连接。
一种用所述的基于盲源信号分析的聚丙稀熔融指数软测量仪表实现的软测量方法，所述的软测量方法包括以下步骤(1)、确定软测量所用的关键变量，从历史数据库中采集系统正常时所述变量的数据作为训练样本TX；(2)、设置盲源信号分析模块的提取盲源信号个数、支持向量机建模模块的核参数，并设定采样周期；(3)、训练样本TX在软测量智能处理器中，对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)3.1) 计算均值TX‾=1NΣi=1NTXi,---(1)]]>3.2)计算方差σx2=1N-1Σi=1N(TXi-TX‾),---(2)]]>3.3)标准化X=TX-TX‾σx,---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；(4)、再对数据进行盲源信号分析，具体步骤为4.1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L wi-1]，i＝1，...，m；4.2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi;]]>4.3)标准化处理wi=wi+/||wi+||;]]>4.4)若不收敛，返回2。否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，盲源信号由S＝WX计算得到；(5)、用盲源信号作为所建模型的输入，建立支持向量机模型，即求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>
s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ由此可得w和待估计函数f(x)，其算式为(5) (6)、将采集的数据传送到数据存储装置中，在每个定时周期从数据存储装置的实时数据库中，得到最新的变量数据作为待测量数据VX；对VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据作为模型的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
作为优选的一种方案所述的软测量方法还包括(7)、定期将离线检测的实际数据加到训练集中，以更新支持向量机模型。
作为优选的另一种方案所述的数据存储装置为DCS系统的历史数据库，所述的DCS系统由数据接口、控制站和历史数据库构成，在所述的(6)中计算得到软测量值，将结果传给DCS系统，在DCS的控制站显示，并通过DCS系统和现场总线传递到现场操作站进行显示。
本发明的技术构思为利用工业实测数据，采用统计的方法进行故障诊断，避开了复杂的机理分析，求解相对方便。盲源信号分析(ICA)是一种基于高阶统计量的信号处理方法，将其用于流程工业的过程数据分析处理，能更有效地利用变量的概率统计特性，可以在统计独立意义下对观测变量进行分解，得到过程内在的驱动信息源，从而更本质地描述过程特征，对过程的建模更准确、更可靠。
更有效地利用变量的概率统计特性，从而更本质地描述过程特征，提高模型精度。
本发明的有益效果主要表现在将盲源信号分析的解相关性能力和支持向量机的多变量非线性映射能力和强泛化能力很好地结合了起来，发挥了各自的优势，使得所建立的模型更加可靠有效，能更好的指导生产，提高生产效益。
图1是本发明所提出的软测量系统的硬件结构图；图2是本发明所提出的软测量智能处理器的功能模块图；图3是聚丙稀生产流程简图。
具体实施方式
下面结合附图对本发明作进一步描述。本发明实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
实施例1参照图1、图2以及图3，一种基于盲源信号分析的聚丙稀熔融指数软测量仪表，包括与聚丙烯生产过程对象1连接的现场智能仪表2、用于存放历史数据的数据存储装置5及上位机6，智能仪表1、数据存储装置5及上位机5依次相连，所述的上位机6为软测量智能处理器，所述的软测量智能处理器包括包括标准化处理模块7，用于对数据库中采集系统正常时的数据进行标准化处理，各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成1)计算均值TX‾=1NΣi=1NTXi,---(1)]]>2)计算方差σx2=1N-1Σi=1N(TXi-TX‾),---(2)]]>3)标准化X=TX-TX‾σx,---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；盲源信号分析模块8，用于依照提取的盲源信号个数，从输入变量中提取互相独立的盲源信号，具体步骤如下1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L wi-1]，i＝1，...，m；2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi,]]>其中wi+表示更新后的权重向量，E是数学期望，g(u)＝uexp(-u2/2)；3)标准化处理wi=wi+/||wi+||,]]>其中‖wi+‖表示wi+的范数；4)若不收敛，返回2。否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，从而盲源信号可由S＝WX计算得到；支持向量机建模模块9，用于依照支持向量机核参数，计算核函数，具体步骤如下求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>s.tΣi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ由此计算w和待估计函数f(x)，其算式为(5) 其中，αi(i＝1，...，N)是拉各朗日乘子，xi(i＝1，...，N)是输入向量，y是输出变量，ω是支持向量机超平面的法向量，决定超平面的方向，b决定超平面的位置；信号采集模块10，用于设定每次采样的时间间隔，从数据库中采集数据；软测量模块11，用于对待检测数据VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据经过训练得到的盲源信号分析模块处理后作为支持向量机建模模块的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
所述的软测量智能处理器6还包括模型更新模块12，用于定期将离线检测的实际数据加到训练集中，以更新支持向量机模型。
软测量仪表还包括与DCS系统，所述的DCS系统由数据接口3、控制站4、数据库5构成；智能仪表2、DCS系统、上位机6通过现场总线依次相连，所述的上位机还包括结果显示模块13，用于将软测量结果传给DCS系统，并在DCS的控制站显示过程状态，同时通过DCS系统和现场总线将过程状态信息传递到现场操作站进行显示。
所述智能处理器6的硬件部分包括I/O元件，用于数据的采集和信息的传递；数据存储器，存储运行所需的数据样本和运行参数等；程序存储器，存储实现功能模块的软件程序；运算器，执行程序，实现指定的功能；显示模块，显示设置的参数和运行结果。
当软测量仪表待检测过程已配有DCS系统时，样本实时动态数据的检测、存储利用DCS系统的实时和历史数据库，软测量功能主要在上位机上完成。
当软测量仪表待检测过程没有配备DCS系统时，采用数据存储器来替代DCS系统的实时和历史数据库的数据存储功能，并将软测量仪表制造成包括I/O元件、数据存储器、程序存储器、运算器、显示模块几大构件的不依赖于DCS系统的一个独立的完整的片上系统，在不管检测过程是否配备DCS的情况下，都能够独立使用，更有益于推广使用。
本实施例的基于盲源信号分析的聚丙稀熔融指数软测量仪表，包括与工业过程对象1连接的现场智能仪表2、现场总线、数据接口3、控制站4、实时数据库5、含软测量功能的软测量智能处理器6；过程对象1、智能仪表2、DCS系统、软测量智能处理器6通过现场总线依次相连，所述的含软测量功能的软测量智能处理器6包括标准化处理模块7，用于对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)
1)计算均值TX‾=1NΣi=1NTXi,---(1)]]>2)计算方差αx2=1N-1Σi=1N(TXi-TX‾),---(2)]]>3)标准化X=TX-TX‾σx,---(3)]]>其中，TX为输入样本，N为训练样本数， 为训练样本的均值；盲源信号分析(ICA)模块8，从输入变量中提取互相独立的盲源信号，具体步骤如下1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L wi-1]，i＝1，...，m；2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi;]]>3)标准化处理wi=wi+/||wi+||;]]>4)若不收敛，返回2。否则一直迭代至i＝m其中收敛条件为更新的wi与原wi点积为1，从而盲源信号可由S＝WX计算得到。
支持向量机建模(SVM)模块9，具体步骤如下求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1My1(αi-αi*)}---(4)]]>s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ由此可得w和待估计函数f(x)，其算式为(5)
信号采集模块10，用于设定每次采样的时间间隔，从数据库中采集数据；软测量模块11，用于对待检测数据VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据依次进过训练得到的ICA模块处理后作为SVM建模模块的输入，将输入代入训练得到的SVM模型，得到软测量函数值。
实施例2参照图1、图2以及图3，一种基于盲源信号分析的聚丙稀熔融指数软测量方法，所述的软测量方法包括以下步骤(1)、确定软测量所用的关键变量，从历史数据库中采集系统正常时所述变量的数据作为训练样本TX；(2)、设置盲源信号分析模块的提取盲源信号个数、支持向量机建模模块的核参数，并设定采样周期；(3)、训练样本TX在软测量智能处理器中，对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)3.1)计算均值TX‾=1NΣi=1NTXi,---(1)]]>3.2)计算方差σx2=1N-1Σi=1N(TXi-TX‾),---(2)]]>3.3)标准化X=TX-TX‾σx,---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；(4)、再对数据进行盲源信号分析，具体步骤为4.1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2Lwi-1]，i＝1，...，m；4.2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi;]]>4.3)标准化处理wi=wi+/||wi+||;]]>
4.4)若不收敛，返回2。否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，盲源信号由S＝WX计算得到；(5)、用盲源信号作为所建模型的输入，建立支持向量机模型，即求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ由此可得w和待估计函数f(x)，其算式为(5) (6)、将采集的数据传送到数据存储装置中，在每个定时周期从数据存储装置的实时数据库中，得到最新的变量数据作为待测量数据VX；对VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据作为模型的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
所述的软测量方法还包括(7)、定期将离线检测的实际数据加到训练集中，以更新支持向量机模型。
所述的数据存储装置5为DCS系统的历史数据库，所述的DCS系统由数据接口3、控制站4和历史数据库5构成，智能仪表2、DCS系统、软测量智能处理器6通过现场总线依次相连；在所述的(8)中计算得到软测量值，将结果传给DCS系统，在DCS的控制站显示，并通过DCS系统和现场总线传递到现场操作站进行显示。
权利要求
1.一种基于盲源信号分析的聚丙稀熔融指数软测量仪表，包括与聚丙烯生产过程对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，其特征在于所述的上位机为软测量智能处理器，所述的软测量智能处理器包括标准化处理模块，用于对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)1)计算均值TX‾=1NΣi=1NTXi---(1)]]>2)计算方差σx2=1N-1Σi=1N(TXi-TX‾)---(2)]]>3)标准化X=TX-TX‾σx---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；盲源信号分析模块，用于依照提取的盲源信号个数，从输入变量中提取互相独立的盲源信号，具体步骤如下1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L w1-1]，i＝1，...，m；2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTx)}wi,]]>其中wi+表示更新后的权重向量，E是数学期望，g(u)＝uexp(-u2/2)；3)标准化处理wi=wi+/||wi+||,]]>其中‖wi+‖表示wi+的范数；4)若不收敛，返回2，否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，从而盲源信号可由S＝WX计算得到；支持向量机建模模块，用于依照支持向量机核参数，计算核函数，具体步骤如下求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ]]>由此计算w和待估计函数f(x)，其算式为(5) 其中，αi(i＝1，...，N)是拉各朗日乘子，xi(i＝1，...，N)是输入向量，y是输出变量，ω是支持向量机超平面的法向量，决定超平面的方向，b决定超平面的位置；信号采集模块，用于设定每次采样的时间间隔，从数据库中采集数据；软测量模块，用于对待检测数据VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据经过训练得到的盲源信号分析模块处理后作为支持向量机建模模块的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
2.如权利要求1所述的基于盲源信号分析的聚丙稀熔融指数软测量仪表，其特征在于所述的软测量智能处理器还包括模型更新模块，用于定期将离线检测的实际数据加到训练集中，更新支持向量机模型。
3.如权利要求1或2所述的基于盲源信号分析的聚丙稀熔融指数软测量仪表，其特征在于所述的软测量仪表还包括DCS系统，所述的DCS系统由数据接口、控制站和历史数据库构成，所述的数据存储装置为DCS系统的历史数据库，所述的软测量智能处理器还包括结果显示模块，用于将软测量结果。
4.如权利要求3所述的基于盲源信号分析的聚丙稀熔融指数软测量仪表，其特征在于所述的现场智能仪表、DCS系统、软测量智能处理器通过现场总线依次连接。
5.一种用如权利要求1所述的基于盲源信号分析的聚丙稀熔融指数软测量仪表实现的软测量方法，其特征在于所述的软测量方法包括以下步骤(1)、确定软测量所用的关键变量，从历史数据库中采集系统正常时所述变量的数据作为训练样本TX；(2)、设置盲源信号分析模块的提取盲源信号个数、支持向量机建模模块的核参数，并设定采样周期；(3)、训练样本TX在软测量智能处理器中，对数据进行标准化处理，使得各变量的均值为0，方差为1，得到输入矩阵X，采用以下过程来完成，其算式为(1)、(2)、(3)3.1)计算均值TX‾=1NΣi=1NTXi,---(1)]]>3.2)计算方差σx2=1N-1Σi=1N(TXi-TX‾),---(2)]]>3.3)标准化X=TX-TX‾σx,---(3)]]>其中，TX为训练样本，N为训练样本数， 为训练样本的均值；(4)、再对数据进行盲源信号分析，具体步骤为4.1)选取范数为1的初始权重向量(随机)wi，若i≥2，则wi=wi-Wi-1Wi-1Twi,]]>其中Wi-1＝[w1w2L wi-1]，i＝1，...，m；4.2)对wi进行迭代更新wi+=E{xg(wiTx)}-E{g'(wiTw)}wi;]]>4.3)标准化处理wi=wi+/||wi+||;]]>4.4)若不收敛，返回2。否则一直迭代至i＝m；其中收敛条件为更新的wi与原wi点积为1，盲源信号由S＝WX计算得到；(5)、用盲源信号作为所建模型的输入，建立支持向量机模型，即求解如下二次规划问题，其算式为(4)maxα,α*{LD=-12Σi=1MΣj=1M(αi-αi*)(αj-αj*)K(xi,xj)-ϵΣi=1M(αi+αi*)+Σi=1Myi(αi-αi*)}---(4)]]>s.t.Σi=1M(αi-αi*)=0]]>0≤αi≤γ0≤αi*≤γ]]>由此可得w和待估计函数f(x)，其算式为(5) (6)、将采集的数据传送到数据存储装置中，在每个定时周期从数据存储装置的实时数据库中，得到最新的变量数据作为待测量数据VX；对VX用训练时得到的 和δx2进行标准化处理，并将标准化处理后的数据作为模型的输入，将输入代入训练得到的支持向量机模型，得到软测量函数值。
6.如权利要求5所述的基于盲源信号分析的聚丙稀熔融指数软测量方法，其特征在于所述的软测量方法还包括(7)、定期将离线检测的实际数据加到训练集中，以更新支持向量机模型。
7.如权利要求5或6所述的基于盲源信号分析的聚丙稀熔融指数软测量方法，其特征在于所述的数据存储装置为DCS系统的历史数据库，所述的DCS系统由数据接口、控制站和历史数据库构成；在所述的(6)中计算得到软测量值，将结果传给DCS系统，在DCS的控制站显示，并通过DCS系统和现场总线传递到现场操作站进行显示。
全文摘要
一种基于盲源信号分析的聚丙稀熔融指数软测量仪表，包括与聚丙烯生产过程对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，所述的上位机为软测量智能处理器，所述的软测量智能处理器包括标准化处理模块、盲源信号分析模块、支持向量机建模模块、信号采集模块以及软测量模块。以及提出了一种软测量方法。本发明提供一种能够在线测量、计算速度快、并能够实时检测生产过程的基于盲源信号分析的聚丙稀熔融指数软测量仪表及方法。
文档编号G05B13/02GK101017374SQ200610155558
公开日2007年8月15日 申请日期2006年12月28日 优先权日2006年12月28日
发明者刘兴高 申请人:浙江大学