专利名称：多阶段间歇生产过程的全程优化方法
技术领域：
本发明属于生产过程控制与优化领域，特别涉及一种多阶段间歇生产过程的全程优化方法。
背景技术：
间歇过程在现代制造业占有重要地位，广泛应用于药品、化工产品、生物制品、农产品等高附加值产品的加工制造领域。在实际生产中，由多个过程单元或工序按照一定顺序组成的间歇过程，称为多阶段间歇过程。多阶段间歇过程的主要目的在于提高产品的性能，保证产品质量的稳定性，以增强产品的市场竞争力。与间歇过程单元不同，多阶段间歇生产过程的控制与优化因其复杂的本质而更具有挑战性。一般来说，多阶段间歇过程主要具有以下特点:(1)间歇过程单元是多阶段间歇过程的基本单位，无稳定工作点，运行时间有限。(2)不同过程单元之间具有复杂的相互作用关系，一个单元的输出是与其相连的单元的输入，下游单元的操作受到上游单元的影响；不同的过程参数和过程单元之间可能存在临时的、不可预知的作用关系。(3)最终产品的质量是原料经多个阶段加工的累积作用结果；过程参数和过程单元对产品质量的影响程度，会随着多阶段生产过程的进行而发生变化。(4)来自原料质量的波动或某一过程单元的扰动，会随生产过程的进行传递到最终产品的质量，造成最终产品批次间的差异。以产品质量为导向的多阶段间歇过程优化控制的难点，在于如何构建过程参数与产品质量之间的关系模型，以体现产品质量在多阶段生产过程中的传递规律；以及如何利用模型建立有效的优化控制策略，以应对原料波动和过程单元扰动，提高并稳定产品质量。经文献检索发现，俄罗斯化学物理研究所的Alexey Pomerantsev在《Chemometrics andIntelligent Laboratory Systems)) (81,165-179,2006)上撰文 “Process control andoptimization with simple interval calculation method (SIC 方法在过程优化与控制中的应用)”，提出利用递进PLS (偏最小二乘回归)建模进行质量预测，利用PLS通路建模和SIC方法进行多阶段生产过程的参数优化。但PLS通路建模和SIC方法结合操作步骤繁琐，并且SIC自身理论不完备，使得优化存在一定经验性；且由于其优化目标是最大化某一质量指标，忽略了产品质量的连续性。
发明内容
本发明的目的是提供一种多阶段间歇生产过程的全程优化方法，以优化生产过程中每个阶段的工艺参数，为产品质量符合既定目标提供持续最优的保证。为了实现上述目的，本发明提供了一种多阶段间歇生产过程的全程优化方法，包括以下步骤:S1:采集一个多阶段生产过程的多批生产数据并进行预处理，所述生产数据包括过程参数和产品质量属性数据；S2:采用递进PLS方法建立过程参数与产品质量属性数据之间的PLS模型；
S3:确定优化目标，结合所述PLS模型计算产品质量属性符合优化目标的贝叶斯后验预测概率，选择贝叶斯后验预测概率最大的过程参数组合作为优化结果。作为优选，步骤SI具体包括:SlOl:采集数据:采集一个多阶段生产过程的m批生产数据，每批生产数据分别包括η个过程参数和q个产品质量属性数据，则过程参数组成大小为mXn的矩阵X，产品质量属性数据组成大小为mXq的矩阵Y ;S102:数据预处理及样本划分:对所有生产数据进行归一化预处理以消除量纲差异，并采用样本划分方法将全部样本划分为校正集和验证集，其中校正集数据用于建立PLS模型，验证集数据用于验证PLS模型；S103:重组数据:若所述多阶段生产过程由k个阶段组成，则将每个阶段的过程参数分别以矩阵Xj表示，其中I < j < k，则过程参数矩阵X分解为k个矩阵X1 Xk ;在第j个阶段，将矩阵X1 \重组形成联合矩阵x(j):X(J)H..,Xj) (I)形成的k个联合矩阵用于多阶段过程模型的建立。作为进一步地优选,步骤S2具体包括:S201:选择最优潜变量因子数:结合化学计量学指标，采用交叉验证的方法选择最优潜变量因子数p，其中所述化学计量学指标包括校正误差均方根、交叉验证误差均方根、预测误差均方根和/或预测残差平方和；S202:建立 PLS 模型:采用PLS的方法建立联合矩阵X(j)和产品质量属性数据矩阵Y之间的PLS潜变量回归模型，其表述形式为:XYj =Yj = TjVj+Ej(2)其中L为得分矩阵，'为内部回归系数矩阵，Ej为模型误差矩阵；Tj由权重矩阵^和载荷矩阵P」计算得到，计算方法如下:
权利要求
1.种多阶段间歇生产过程的全程优化方法，其特征在于，包括以下步骤: S1:采集一个多阶段生产过程的多批生产数据并进行预处理，所述生产数据包括过程参数和产品质量属性数据； 52:采用递进PLS方法建立过程参数与产品质量属性数据之间的PLS模型； 53:确定优化目标，结合所述PLS模型计算产品质量属性符合优化目标的贝叶斯后验预测概率，选择贝叶斯后验预测概率最大的过程参数组合作为优化结果。
2.据权利要求1所述的多阶段间歇生产过程的全程优化方法，其特征在于， 步骤SI具体包括: 5101:采集数据: 采集一个多阶段生产过程的m批生产数据，每批生产数据分别包括η个过程参数和q个产品质量属性数据，则过程参数组成大小为mXn的矩阵X，产品质量属性数据组成大小为mXq的矩阵Y; 5102:数据预处理及样本划分: 对所有生产数据进行归一化预处理以消除量纲差异，并采用样本划分方法将全部样本划分为校正集和验证集，其中校正集数据用于建立PLS模型，验证集数据用于验证PLS模型； 5103:重组数据: 若所述多阶段生产过程由k个阶段组成，则将每个阶段的过程参数分别以矩阵Xj表示，其中I < j < k，则过程参数矩阵X分解为k个矩阵X1 Xk;在第j个阶段，将矩阵X1 Xj重组形成联合矩阵X(j):X(J) = (X1, X2,...,Xj) (I) 形成的k个联合矩阵用于多阶段过程模型的建立。
3.据权利要求2所述的多阶段间歇生产过程的全程优化方法，其特征在于， 步骤S2具体包括: 5201:选择最优潜变量因子数: 结合化学计量学指标，采用交叉验证的方法选择最优潜变量因子数P，其中所述化学计量学指标包括校正误差均方根、交叉验证误差均方根、预测误差均方根和/或预测残差平方和； 5202:建立PLS模型: 采用PLS的方法建立联合矩阵Χω和产品质量属性数据矩阵Y之间的PLS潜变量回归模型，其表述形式为: XYj =Yj = WEj ⑵ 其中L为得分矩阵，'为内部回归系数矩阵，Ej为模型误差矩阵； Tj由权重矩阵Vj和载荷矩阵P」计算得到，计算方法如下: Tj=Xij^wy(3) Vj由普通最小二乘法估计得到，计算方法如下: Vj = Cr.Ta ιτ；γ(4) 在生产过程中，随着过程阶段的递进，建立k个PLS模型，即XY1, XY2,…XYk ；S203:存储模型参数: 存储在第j个阶段进行PLS建模时的参数Wp Pj, Tj, '，供优化计算使用。
4.据权利要求3所述的多阶段间歇生产过程的全程优化方法，其特征在于， 步骤S3具体包括: 5301:确定优化目标: 根据如下表达式进行优化目标的确定:
全文摘要
本发明公开了一种多阶段间歇生产过程的全程优化方法，包括以下步骤S1采集一个多阶段生产过程的多批生产数据并进行预处理，所述生产数据包括过程参数和产品质量属性数据；S2采用递进PLS方法建立过程参数与产品质量属性数据之间的PLS模型；S3确定优化目标，结合所述PLS模型计算产品质量属性符合优化目标的贝叶斯后验预测概率，选择贝叶斯后验预测概率最大的过程参数组合作为优化结果。应用本发明的优化方法，可为多阶段生产过程的每一阶段提供符合既定质量目标的最优工艺操作，最终达到稳定并提高产品质量的目的。
文档编号G05B13/04GK103092078SQ20131000510
公开日2013年5月8日 申请日期2013年1月7日 优先权日2013年1月7日
发明者乔延江, 徐冰, 史新元, 周海燕 申请人:北京中医药大学, 亚宝北中大(北京)制药有限公司