一种基于DiCC-SFA的甲基锡反应过程动态内部慢特征提取方法与流程

本技术涉及甲基锡反应的监测，具体涉及一种基于dicc-sfa的甲基锡反应过程动态内部慢特征提取方法。

背景技术：

1、基于甲基锡反应实时测量数据对工业过程实施监测是保障甲基锡反应过程安全平稳运行的有效手段。然而，甲基锡反应作为一种复杂化工生产过程，数据具有多样性、高维性、非线性以及耦合性的特点。另外，由于存在操纵变量多、连续性强、动态关系复杂等特性，甲基锡反应过程运行状态表现为渐变式的变化，其异常状态初期数据变化幅度小、过程变量时间传递关系复杂，传统监测方法难以及时对其进行监测。

技术实现思路

1、本技术的目的在于克服现有技术中的缺点与不足，提供一种基于dicc-sfa的甲基锡反应过程动态内部慢特征提取方法，可以高效准确地对监测甲基锡反应。

2、本技术实施例的第一方面提供了一种基于dicc-sfa的甲基锡反应过程动态内部慢特征提取方法，包括：

3、获取监测的甲基锡反应的历史数据，对所述历史数据进行标准化处理，得到具有零均值和标准差的甲基锡反应过程数据集；

4、根据所述甲基锡反应过程数据集，通过动态-内部典型相关分析方法和原始慢特征分析方法进行分析建模，得到甲基锡反应的动态内部慢特征提取模型的第一目标函数和第二目标函数；

5、确定甲基锡反应的自回归预测模型的动态阶数以及所述第一目标函数的第一权重系数、所述第二目标函数的第二权重系数；

6、根据所述甲基锡反应的动态内部慢特征提取模型、所述动态阶数、所述第一目标函数、所述第二目标函数、所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和标量映射矩阵的计算法则；

7、从dcs系统采集的甲基锡反应过程历史数据或者实时监测数据中提取潜在慢特征；根据所述慢特征，获取主要慢特征的数量；其中，所述主要慢特征为携带甲基锡反应的重要信息的慢特征；

8、根据所述慢特征的缓慢程度、所述主要慢特征的数量、所述自回归系数矩阵和所述标量映射矩阵，获取预设的多个目标监测数据的监测统计量；

9、根据所述监测统计量及预设的控制限，确定所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型，或者，用dcs系统以相等时间间隔采集的甲基锡反应过程实时测量数据集更新所述甲基锡反应过程数据集，根据所述监测统计量及预设的控制限，确定更新的所述甲基锡反应过程数据集监测的甲基锡反应发生的异常类型。

10、进一步，根据所述甲基锡反应的动态内部慢特征提取模型、所述动态阶数、所述第一目标函数、所述第二目标函数、所述第一权重系数和所述第二权重系数，获取自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤包括：

11、根据所述甲基锡反应的动态内部慢特征提取模型、所述动态阶数、所述第一目标函数、所述第二目标函数、所述第一权重系数和所述第二权重系数，将多目标问题转化为单目标优化问题，如下公式所示：

12、

13、

14、；其中，max j为单目标优化问题的目标值的最大值，α1为第一目标函数的权重系数，j1为第一目标函数，α2为第二目标函数的权重系数，j2为第二目标函数，wj为甲基锡反应过程数据集的第j行的标量映射矩阵，用于提取第j个潜在特征，y为从所述甲基锡反应过程数据集组织的调整输入矩阵，y1为从所述甲基锡反应过程数据集组织的y中重新组织的新的调整输入矩阵，z为从所述甲基锡反应过程数据集组织的新的扩展输入矩阵，z1为从所述甲基锡反应过程数据集的z中重新组织的新的扩展输入矩阵，βj为目标数据的第j个数据的自回归系数矩阵；

15、利用拉格朗日乘子法处理所述单目标优化问题，如下公式所示：

16、

17、其中，为克罗内克积；

18、所述克罗内克积满足为标量映射矩阵wj的单位矩阵，为自回归系数矩阵βj的单位矩阵；

19、分别对所述自回归系数矩阵和所述标量映射矩阵求偏导，并令偏导等于0，得到单目标优化问题的目标值与特征值的关系；

20、根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则。

21、进一步，根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，获取所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：

22、根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：

23、

24、

25、对上述公式进行简化，得到所述自回归系数矩阵的计算法则：

26、

27、；其中，λ为特征值，y为从所述目标数据组织的加入动态阶数的调整输入矩阵，z为从所述目标数据组织的加入动态阶数的扩展输入矩阵。

28、进一步，根据所述单目标优化问题，以及所述单目标优化问题的目标值与特征值的关系，得到所述自回归系数矩阵的计算法则和所述标量映射矩阵的计算法则的步骤，包括：

29、根据所述单目标优化问题的目标值与特征值的关系，最大化的所述单目标优化问题的目标值，以最大化所述特征值：

30、

31、

32、对上述公式进行简化，得到所述标量映射矩阵的计算法则：

33、

34、；其中，λ为特征值，y为从所述甲基锡反应过程数据集组织的加入动态阶数的调整输入矩阵，z为从所述甲基锡反应过程数据集组织的加入动态阶数的扩展输入矩阵。

35、进一步，所述从dcs系统采集的甲基锡反应过程历史数据或者实时监测数据中提取潜在慢特征的步骤后，还包括：根据慢特征的导数数值，将提取的慢特征按变化速度从小到大排序。

36、进一步，根据所述慢特征的缓慢程度、所述主要慢特征的数量、所述自回归系数矩阵和所述标量映射矩阵，从所述目标数据中获取预设的多个目标监测数据的监测统计量的步骤，包括：

37、根据所述慢特征的缓慢程度、所述主要慢特征的数量，将所述自回归系数矩阵分为第一类自回归系数矩阵和第二类回归系数矩阵，将所述标量映射矩阵分为第一类标量映射矩阵和第二类标量映射矩阵；

38、根据所述第一类标量映射矩阵，获取甲基锡反应潜在过程的主空间内部动态慢特征、主空间内部动态慢特征的估计值和主空间内部动态慢特征的导数；

39、根据所述第二类标量映射矩阵，获取甲基锡反应潜在过程的残差子空间内部动态慢特征、残差子空间内部动态慢特征的估计值和残差子空间内部动态慢特征的导数；

40、根据所述主空间内部动态慢特征、所述主空间内部动态慢特征的估计值、所述主空间内部动态慢特征的导数、所述残差子空间内部动态慢特征、所述残差子空间内部动态慢特征的估计值和所述残差子空间内部动态慢特征的导数，获取预设的多个目标监测数据的监测统计量。

41、进一步，所述根据所述主空间内部动态慢特征、所述主空间内部动态慢特征的估计值、所述主空间内部动态慢特征的导数、所述残差子空间内部动态慢特征、所述残差子空间内部动态慢特征的估计值和所述残差子空间内部动态慢特征的导数，获取预设的多个目标监测数据的监测统计量的步骤，包括：

42、通过以下公式，获取各个目标监测数据的监测统计量：

43、td2(k)＝sd(k)tsd(k)；

44、其中，td2(k)为监测统计量td2在k时刻的监测值，sd(k)为k时刻从甲基锡反应过程数据集中提取的主空间内部动态慢特征；

45、te2(k)＝se(k)tse(k)；

46、其中，te2(k)为监测统计量te2在时刻的监测值，se(k)为k时刻从甲基锡反应过程数据集中提取的残差子空间内部动态慢特征；

47、其中，td2和te2为霍特林统计量；

48、

49、其中，qd2(k)为监测统计量qd2在k时刻的检测值，为k时刻从甲基锡反应过程数据集中提取的主空间内部动态慢特征的估计值；

50、

51、其中，qe2(k)为监测统计量qe2在k时刻的监测值，为k时刻从甲基锡反应过程数据集中提取的残差子空间内部动态慢特征的估计值；

52、其中，qd2和qe2为平方预测误差统计量；

53、

54、其中，sd2(k)为监测统计量sd2在k时刻的监测值，为时刻k从甲基锡反应过程数据集中提取的主空间内部动态慢特征的导数；

55、

56、其中，se2(k)为监测统计量se2在k时刻的监测值，为时刻k从甲基锡反应过程数据集中提取的残差子空间内部动态慢特征的导数；

57、其中，sd2和se2为相似监测统计量。

58、进一步，根据所述监测统计量，确定监测的甲基锡反应发生的异常类型的步骤，包括：

59、在td2、te2、qd2和qe2存在超过对应的控制限的监测统计量时，若sd2和se2的监测统计量分别小于对应的控制限，确定异常类型为稳态异常；其中，稳态异常表示扰动对甲基锡反应过程动力学没有影响；

60、若sd2和se2的监测统计量分别大于对应的控制限，确定异常类型为动态异常。

61、相对于相关技术，本技术从甲基锡反应的目标数据中提取潜在慢特征，根据自回归系数矩阵的计算法则、标量映射矩阵的计算法则，分别求得自回归系数矩阵和标量映射矩阵，再根据慢特征的缓慢程度将特征空间划分为主空间和残差子空间，从甲基锡反应的目标数据中获取多个目标监测数据的监测统计量，利用目标监测数据的监测统计量确定监测的甲基锡反应发生的异常类型，以高效准确地监测甲基锡反应。

62、为了能更清晰的理解本技术，以下将结合附图说明阐述本技术的具体实施方式。