基于T-PLS模型的间歇过程工艺条件设计方法与流程

本发明涉及间歇过程，特别是涉及基于t-pls模型的间歇过程工艺条件设计方法。
背景技术：
上世纪70年代起，计算机集散控制系统(decentralizedcontrolsystem，dcs)可以采集用于过程控制与设备状态监控的传感器数据。近几十年来，随着传感器技术、计算机技术、通信技术、物联网、数据存储等技术的发展，工业过程产生的数据随时间呈指数级增长。工业过程数据蕴含着大价值，从数据分析和应用出发，更好地决策来改进过程运行、提高生产效率、提高产品质量、减少缺陷产品、满足用户需求。一方面，可以减少20％～50％的产品开发时间；另一方面，基于大数据的主动预测，实现快速分析及执行、降低错误决策的后果。为实现对工业过程数据的有效利用，推动了基于数据驱动方法的产生和发展。以潜结构建模为代表的数据建模方法因其具有降维、便于可视化的优点得到重视，相关研究可以追溯到二十多年前。针对维数高，相关性强的工业过程数据，特征提取是关键，偏最小二乘(partialleastsquares，pls)是一种经典的基于数据驱动的统计建模方法，pls能联合过程数据和质量数据建模，所得到的投影空间反映过程变量中与质量变量相关的变化，因此pls在产品质量控制和工艺优化领域得到广泛应用。本发明相关现有技术为基于潜变量模型的新产品设计与制造方法在工业中的应用(详细参见文献：jaecklecm,macgregorjf.industrialapplicationsofproductdesignthroughtheinversionoflatentvariablemodels[j].chemometricsandintelligentlaboratorysystems,2000,50:199-210.)。现有技术首先通过历史批次数据建立pls模型，通过模型反演预测期望产品ydes的工艺操作条件xpred，设计流程如图1所示。历史数据通过数据采集技术获得，经过预处理后建立pls模型。在设计之前，给定期望输出ydes须在物理约束范围内，同时要求期望值ydes满足统计约束。合理的ydes代入pls模型反演后，得到预测输入xpred，满足约束条件的xpred即为预测输入，运用该输入可以得到期望输出。但是，pls建模方法存在一定的缺陷。2010年，清华大学学者李钢等人通过分析pls建模的几何性质，指出pls模型提取的潜变量空间既包含与输出相关的信息，也包含与输出正交的信息。输出相关信息决定输出的变化，输出正交信息对输出预测无用，且pls输入残差中也包含较多信息。同年，清华大学学者周东华等人对pls模型进行改进，提出全潜结构投影(totalpartialleastsquares，t-pls)模型，对数据空间进行更加细致与清晰的划分。如图2所示，sy为输出相关子空间，so为输出正交子空间，srp为输入残差主子空间，srr为输入残差剩余子空间。基于t-pls模型强大的空间分解能力，本发明采用该模型进行新产品的工艺条件设计。传统技术存在以下技术问题：间歇过程中原材料按照设定的工序流程加工生产，具有周期短，生产方式灵活等特点，可以通过调整工艺配方和操作条件来实现定制化生产。当客户对产品品质提出新的要求时，快速有效的生产出期望质量的产品，对企业提升竞争力具有很大的帮助。但是，间歇生产过程复杂多变，数据非线性强，维数高，建立机理模型往往不易实现。而实验方法进行产品开发需要较长周期，跟不上瞬息万变的市场节奏。技术实现要素：基于此，有必要针对上述技术问题，提供一种基于t-pls模型的间歇过程工艺条件设计方法，通过数据驱动模型预测新产品的工艺操作条件，有效缩短产品开发时间，提高工业数据利用价值。同时，克服已有技术的缺点，将输出正交子空间作为自由设计空间，该空间内的操作可实现其他工程目标，如经济最优或能源最优，使新产品的开发更具灵活性。一种基于t-pls模型的间歇过程工艺条件设计方法，包括：获取目标间歇过程的历史生产数据；获取用于建立模型的输入矩阵x中的过程变量和输出矩阵y中产品质量关键变量；将三维间歇过程数据展开成二维形式，并进行预处理，使均值为0，方差为1；间歇过程数据有批次(i)、变量(j)和时间(k)三个维度，将其进行二维展开后建立模型；将三维数据按时间方向展开，每一行包括一个批次所有的测量值，每一列为所有批次某一运行时候的所有测量值，则展开后的测量矩阵维度为(i×jk)；目标间歇过程运行i个批次，有m个初始测量值，j个过程测量变量，每个运行过程测量了k个时刻，最终产品选取q个质量变量；则建模数据为输入矩阵x∈ri×(m+jk)，输出矩阵y∈ri×q；建立t-pls模型，其中ty，to，tr，er和f分别是与输出有关的主元，与输出无关的主元，pls残差e的主元，输入的残差和输出的残差，py，po，pr和qy分别是与输出相关的主元的回归矩阵，与输出无关的主元的负荷矩阵，pls残差e的主元的负荷矩阵和输出对主元的回归矩阵。给定期望产品的质量特性ydes，判断ydes是否满足约束条件；基于t-pls模型求取输入条件预测值xpred；分别判断与输出相关的输入xynew以及xpred是否满足约束。在另外的一个实施例中，“给定期望产品的质量特性ydes，判断ydes是否满足约束条件；”中，ydes的约束分为两种，一种为统计约束，采用spe和t2两类指标进行判断；另一种约束为物理约束，即某一变量不能超过上下限；若不满足约束，则该设计方法不适用。在另外的一个实施例中，“基于t-pls模型求取输入条件预测值xpred；”具体包括：首先，确定sy子空间中的信息，tynew由ydes决定；其次，确定so子空间中的信息xonew，则工艺操作条件预测值xpred＝xynew+xonew；在xpred中，xynew与输出直接相关，可由公式直接结算得到，决定最终产品质量；xonew不影响输出，按照一定规则调整xonew，xpred随之改变，但只要xynew保持不变，最终产品质量不发生变化。在另外的一个实施例中，步骤“分别判断与输出相关的输入xynew以及xpred是否满足约束”具体包括：当xynew满足约束，xpred不满足约束，此时，可通过调整xonew，获得合理的xpred；当xynew和xpred均不满足约束条件，则该质量要求的产品不可用此方法设计。上述基于t-pls模型的间歇过程工艺条件设计方法，本发明针对间歇过程新产品开发提供的技术方案，只需要历史批次数据，不需要深入了解机理模型和做大量的实验，使得产品开发和质量改良更加易于实现，快速高效，为企业生产或实验研究节省大量人力物力；本发明子空间sy中输入信息xynew可由输出期望值ydes直接计算得到，若没有其他开发目标，可直接使用xynew作为预测输入(即xpred＝xynew)，生产期望质量产品；若希望在生产期望产品的同时实现其他如经济、能源或环保等目标，可通过子空间so上的输入xonew调整xpred，来达到目的，该创新点使得新产品开发更具有灵活性。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。附图说明图1为现有技术首先通过历史批次数据建立pls模型，通过模型反演预测期望产品ydes的工艺操作条件xpred的设计流程图。图2为清华大学周东华的t-pls结构模型图。图3为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中t-pls模型的结构示意图。图4为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法的流程示意图。图5为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中三维数据展开的示意图。图6为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中输入矩阵和输出矩阵的示意图。图7为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中cstr机构的结构示意图。图8为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中黑色“★”点为三组输入xynew在pls模型的潜变量空间的投影的示意图。图9为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中反应釜中a物质浓度变化曲线的示意图。图10为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中五组输入在得分空间的投影的示意图。图11为本申请实施例提供的一种基于t-pls模型的间歇过程工艺条件设计方法中的反应釜中a物质度变化曲线图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。一种基于t-pls模型的间歇过程工艺条件设计方法，包括：获取目标间歇过程的历史生产数据；获取用于建立模型的输入矩阵x中的过程变量和输出矩阵y中产品质量关键变量；将三维间歇过程数据展开成二维形式，并进行预处理，使均值为0，方差为1；间歇过程数据有批次(i)、变量(j)和时间(k)三个维度，将其进行二维展开后建立模型；将三维数据按时间方向展开，每一行包括一个批次所有的测量值，每一列为所有批次某一运行时候的所有测量值，则展开后的测量矩阵维度为(i×jk)；目标间歇过程运行i个批次，有m个初始测量值，j个过程测量变量，每个运行过程测量了k个时刻，最终产品选取q个质量变量；则建模数据为输入矩阵x∈ri×(m+jk)，输出矩阵y∈ri×q；建立t-pls模型，其中ty，to，tr，er和f分别是与输出有关的主元，与输出无关的主元，pls残差e的主元，输入的残差和输出的残差，py，po，pr和qy分别是与输出相关的主元的回归矩阵，与输出无关的主元的负荷矩阵，pls残差e的主元的负荷矩阵和输出对主元的回归矩阵；给定期望产品的质量特性ydes，判断ydes是否满足约束条件；基于t-pls模型求取输入条件预测值xpred；分别判断与输出相关的输入xynew以及xpred是否满足约束。在另外的一个实施例中，“给定期望产品的质量特性ydes，判断ydes是否满足约束条件；”中，ydes的约束分为两种，一种为统计约束，采用spe(平方预测误差(squaredpredictionerror,spe)和t2(hotelling-t)两类指标进行判断；另一种约束为物理约束，即某一变量不能超过上下限；若不满足约束，则该设计方法不适用。hotelling-t2和平方预测误差(squaredpredictionerror,spe).t2统计量反映了每个主成分在变化趋势和幅值上偏离模型的程度,是对模型内部化的一种度量,它可以用来对多个主元同时进行监测；spe统计量刻画了输入变量的测量值对主元模型的偏离程度,是对模型外部变化的一种度量。在另外的一个实施例中，“基于t-pls模型求取输入条件预测值xpred；”具体包括：首先，确定sy子空间中的信息，tynew由ydes决定；其次，确定so子空间中的信息xonew，则工艺操作条件预测值xpred＝xynew+xonew；在xpred中，xynew与输出直接相关，可由公式直接结算得到，决定最终产品质量；xonew不影响输出，按照一定规则调整xonew，xpred随之改变，但只要xynew保持不变，最终产品质量不发生变化。在另外的一个实施例中，步骤“分别判断与输出相关的输入xynew以及xpred是否满足约束”具体包括：当xynew满足约束，xpred不满足约束，此时，可通过调整xonew，获得合理的xpred；当xynew和xpred均不满足约束条件，则该质量要求的产品不可用此方法设计。上述基于t-pls模型的间歇过程工艺条件设计方法，本发明针对间歇过程新产品开发提供的技术方案，只需要历史批次数据，不需要深入了解机理模型和做大量的实验，使得产品开发和质量改良更加易于实现，快速高效，为企业生产或实验研究节省大量人力物力；本发明子空间sy中输入信息xynew可由输出期望值ydes直接计算得到，若没有其他开发目标，可直接使用xynew作为预测输入(即xpred＝xynew)，生产期望质量产品；若希望在生产期望产品的同时实现其他如经济、能源或环保等目标，可通过子空间so上的输入xonew调整xpred，来达到目的，该创新点使得新产品开发更具有灵活性。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。图3为基于t-pls模型的新产品工艺条件设计总体框架，主要分为两部分：第一部分采集历史批次数据，选定输入输出变量，建立t-pls模型；第二部分设定期望产品的质量特性，反演t-pls模型，预测过程操作条件。如图4所示，本发明设计步骤如下：步骤1，获取目标间歇过程的历史生产数据。步骤2，选择用于建立模型的输入矩阵x中的过程变量和输出矩阵y中产品质量关键变量。步骤3，将三维间歇过程数据展开成二维形式，并进行预处理，使均值为0，方差为1。间歇过程数据有批次(i)、变量(j)和时间(k)三个维度，通常将其进行二维展开后建立模型。如图5所示，将三维数据按时间方向展开，每一行包括一个批次所有的测量值，每一列为所有批次某一运行时候的所有测量值，则展开后的测量矩阵维度为(i×jk)。假设目标间歇过程运行i个批次，有m个初始测量值，j个过程测量变量，每个运行过程测量了k个时刻，最终产品选取q个质量变量。则建模数据为输入矩阵x∈ri×(m+jk)，输出矩阵y∈ri×q，如图6所示。步骤4，建立t-pls模型，步骤5，给定期望产品的质量特性ydes，判断ydes是否满足约束条件。ydes的约束分为两种，一种为统计约束，通常采用spe和t2两类指标进行判断；另一种约束为物理约束，即某一变量不能超过上下限。若不满足约束，则该设计方法不适用。步骤6，基于t-pls模型求取输入条件预测值xpred。首先，确定sy子空间中的信息，tynew由ydes决定。其次，确定so子空间中的信息xonew，则工艺操作条件预测值xpred＝xynew+xonew。在xpred中，xynew与输出直接相关，可由公式直接结算得到，决定最终产品质量。xonew不影响输出，按照一定规则调整xonew，xpred随之改变，但只要xynew保持不变，最终产品质量不发生变化。步骤7，分别判断与输出相关的输入xynew以及xpred是否满足约束。分为两种情况：情况一，xynew满足约束，xpred不满足约束，此时，可通过调整xonew，获得合理的xpred；情况二，xynew和xpred均不满足约束条件，则该质量要求的产品不可用此方法设计。通过连续搅拌反应釜(continuousstirredtankreactor，cstr)仿真来说明本发明的实施方式。cstr是发酵、化工、石油生产、生物制药等工业生产过程中应用最广泛的一种化学反应器，cstr的化学反应过程是一个非线性、时变的过程，对这类系统难以建立精确的机理模型。在本实施例中，采用的是不可逆放热反应过程a→b，cstr机构如图7所示。其中，进料物质a的浓度为ca0，温度为t0，流速为q。该反应过程变量包含冷剂流量qc，冷剂温度tc，为操作变量，反应釜温度t为过程变量，组成输入矩阵x，选择反应釜中物质a的浓度ca为输出质量变量y。确定操作变量范围，反应釜温度范围为tl≤t≤tu，tl＝430k，tu＝450k，反应釜中a物质的浓度为其中，上标“l”和“u”分别表示下限值和上限值。新产品的工艺条件设计通过以下步骤实施：步骤1，在指定范围内改变冷剂流量qc与温度tc，得到50组产品，建立历史数据库。步骤2，选择变量冷剂流量qc，冷剂温度tc，为操作变量，反应釜温度t为过程变量，组成输入矩阵x，选择反应釜中物质a的浓度ca为输出质量变量y。过程反应时间为20min，每2min作为一个采样时刻，从0时刻开始，共有11个采样时刻。则批次数i＝50，输入变量个数j＝3，时刻数k＝11，质量变量个数k＝1。步骤3，用这50组历史数据建立t-pls模型。步骤4，分别设定输出期望值为ydes＝0.06mol/l、ydes＝0.08mol/l和ydes＝0.10mol/l(即反应釜中a物质的浓度为0.06mol/l、0.08mol/l和0.10mol/l)。若直接采用xynew作为预测输入xpred，在cstr模型中运行该输入，其结果如表1所示，最终输出为期望输出。图8为黑色“★”点为三组输入xynew在pls模型的潜变量空间的投影。图9为反应釜中a物质浓度变化曲线。步骤5，确定so空间中的输入信息xonew。若xynew在潜变量空间的投影为一个确定的点，如图10中第3个黑色“★”所示，加入输出正交信息xonew后，预测输入xpred在潜变量空间的投影沿着红色线段移动，该红色线段命名为设计空间,线段的长度由统计约束和物理约束确定。对xpred进行约束后，设计空间为椭圆内一条线段，图中椭圆为95％置信椭圆。以ydes＝0.08mol/l为例，给定五组xonew，得到五组预测输入xpred，五组输入在得分空间的投影如图10所示。在cstr模型中运行该输入，其结果如表2所示，最终输出为期望输出，反应釜中a物质度变化曲线如图11所示，验证了该设计空间的有效性。需要说明的是，xonew需在输出正交子空间so选取。表1表2序号12345xpred[92.5345443.7][96.5349443.7][99.5352443.7][104356443.7][108359443.7]ydes0.080.080.080.080.08y0.0810.0810.080.080.08以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。当前第1页12