一种基于自适应fcm的多阶段发酵过程故障监测方法
【专利摘要】本发明公开了一种基于自适应FCM的多阶段发酵过程故障监测方法，解决了标准FCM算法用于发酵过程阶段划分时存在的如下问题：无法实现多批次三维数据的聚类；需要人为指定阶段划分个数；随机初始化聚类中心且易受样本噪声及跳变点的影响。具体步骤包括：首先计算每个时刻数据矩阵的相似度指标作为聚类输入样本，依据最大最小聚类法则获取初始聚类中心集合，之后引入聚类有效性函数通过自适应迭代确定最佳聚类个数。本发明实现了基于多个正常操作批次数据的发酵过程阶段划分，使得阶段划分过程更加客观准确，分阶段建模监测模型降低了故障的误报漏报率，对实现发酵过程的控制及故障检测有重要意义。
【专利说明】一种基于自适应FCM的多阶段发酵过程故障监测方法
【技术领域】
[0001]本发明涉及基于MSPM的间歇过程监控与故障诊断【技术领域】，特别是涉及一种在发酵过程中应用改进的阶段划分算法建立多阶段故障监测模型并实施在线监测的方法。
【背景技术】
[0002]发酵过程是现代流程工业中常见的一种生产方式，被广泛应用于医药、酿酒、生化制品等生产。发酵过程不仅具有一般非线性系统的时变性、大惯性、关联性、不确定性等特点，并且由于发酵过程的中的一些重要参数如菌体浓度和产物浓度等都不可以在线测量，所以发酵过程的控制比一般非线性系统更为复杂。由于发酵过程机理复杂，数据重复性比较差，很难用确定性数学模型来描述，因此，采用统计过程控制等数据驱动技术就成为解决此类复杂非线性生化反应系统的有效途径，已经成为近年来过程控制领域的研究热点之一。发酵过程在线监控和故障监测从历史生产数据出发，通过建立基于数据驱动的统计模型，并用于监视生产过程的进行，及时发现并消除过程的异常状况，实现过程的安全、稳定的运行，最终达到提高产品质量和企业经济效益的目的。
[0003]发酵过程是典型的多阶段间歇工业生产过程。目前研究中对发酵过程的在线监控，多采用多向主成分分析(MPCA)和多向偏最小二乘(MPLS)等传统的多元统计方法，这些方法要求变量服从正态分布，利用的仅仅是二阶统计量信息。多向独立成分分析(MICA)是一种基于ICA技术、处理间歇过程三维数据的多元统计方法，不需假设变量满足正态分布，并且利用了信号的高阶统计信息，能更有效地分析处理过程数据，从而能更本质地描述过程特性。
[0004]间歇过程的多阶段特性，即间歇过程操作中的过程变量跟随过程操作进程或过程机理特性的变化发生规律性的改变。每个阶段都有其特定的控制目标，有不同的过程主导变量和过程特征，如果将一个完整批次数据作为统计样本建立监控模型，则不能反映出这种特性，监控效果也会很不理想。近几年研究中常用的阶段划分算法即聚类算法，该类算法无需过程先验知识，通过对过程数据进行聚类分析，从而达到分段目的。其中最为典型的有FCM聚类算法，然而该算法用于间歇过程阶段划分时仍存在一些问题尚未解决:无法实现多批次三维数据的聚类；需要事先给定聚类个数，没有明确的度量指标；对初始化的聚类中心十分敏感；易受噪声与孤立点的影响。
【发明内容】
[0005]本发明针对上述现有技术中存在的问题，提出了一种基于自适应FCM的多阶段发酵过程故障监测方法。间歇过程三维数据展开成二维矩阵后，将矩阵间的相似性度量结果作为阶段划分的输入样本，即可实现多批次正常操作三维数据的聚类，又可消除样本噪声与孤立点的影响，增强鲁棒性；依据最大最小距离法则选取初始聚类中心集合，引入聚类有效性函数通过自适应迭代方式确定最佳聚类个数。本发明采用了如下的技术方案和实现步骤:[0006]步骤1:采集发酵过程数据，建立样本集X，所述的样本集由同一发酵过程相同工艺下所记录的I批次测量数据构成，X= (X1, X2,, X1V，其中Xi表示第i批次数据，每个批次包含K个采样时刻，每个采样时刻采集J个过程变量，即Xi= u xi;2,..., \ κ)，其中Xu表示第i批次第k采样时刻采集的数据,Xi,J5=UiU, xi；k；2,...，Xuj)，其中Xi，k，j表示第i批次中第k采样时刻的第j个过程变量的测量值；
[0007]步骤2:对样本集X进行标准化处理，处理方式如下:
[0008]首先计算样本集X的所有时刻上所有过程变量的均值和标准方差，其中第k采样时刻的第j个过程变量的均值-的计算公式为，
【权利要求】
1.一种基于自适应FCM的多阶段发酵过程故障监测方法，其特征在于包括以下步骤: 步骤1:采集发酵过程数据,建立样本集X,所述的样本集由同一发酵过程相同工艺下所记录的I批次测量数据构成，X= (X1, X2,, X1V，其中Xi表示第i批次数据，每个批次包含K个采样时刻，每个采样时刻采集J个过程变量，即Xi= i，Xi, 2，...，U，其中Xu表示第i批次第k采样时刻采集的数据，Xijk= (xi;k;i, Xijkj2,...，Xi，u)，其中xi，k，j表示第i批次中第k采样时刻的第j个过程变量的测量值； 步骤2:对样本集X进行标准化处理，处理方式如下: 首先计算样本集X的所有时刻上所有过程变量的均值和标准方差，其中第k采样时刻的第j个过程变量的均值-的计算公式为
【文档编号】G05B19/418GK103970092SQ201410146656
【公开日】2014年8月6日 申请日期:2014年4月13日 优先权日:2014年4月13日
【发明者】高学金, 崔宁, 王普 申请人:北京工业大学