專利名稱：多階段間歇生產過程的全程優(yōu)化方法
技術領域：
本發(fā)明屬于生產過程控制與優(yōu)化領域，特別涉及一種多階段間歇生產過程的全程優(yōu)化方法。
背景技術：
間歇過程在現代制造業(yè)占有重要地位，廣泛應用于藥品、化工產品、生物制品、農產品等高附加值產品的加工制造領域。在實際生產中，由多個過程單元或工序按照一定順序組成的間歇過程，稱為多階段間歇過程。多階段間歇過程的主要目的在于提高產品的性能，保證產品質量的穩(wěn)定性，以增強產品的市場競爭力。與間歇過程單元不同，多階段間歇生產過程的控制與優(yōu)化因其復雜的本質而更具有挑戰(zhàn)性。一般來說，多階段間歇過程主要具有以下特點:(1)間歇過程單元是多階段間歇過程的基本單位，無穩(wěn)定工作點，運行時間有限。(2)不同過程單元之間具有復雜的相互作用關系，一個單元的輸出是與其相連的單元的輸入，下游單元的操作受到上游單元的影響；不同的過程參數和過程單元之間可能存在臨時的、不可預知的作用關系。(3)最終產品的質量是原料經多個階段加工的累積作用結果；過程參數和過程單元對產品質量的影響程度，會隨著多階段生產過程的進行而發(fā)生變化。(4)來自原料質量的波動或某一過程單元的擾動，會隨生產過程的進行傳遞到最終產品的質量，造成最終產品批次間的差異。以產品質量為導向的多階段間歇過程優(yōu)化控制的難點，在于如何構建過程參數與產品質量之間的關系模型，以體現產品質量在多階段生產過程中的傳遞規(guī)律；以及如何利用模型建立有效的優(yōu)化控制策略，以應對原料波動和過程單元擾動，提高并穩(wěn)定產品質量。經文獻檢索發(fā)現，俄羅斯化學物理研究所的Alexey Pomerantsev在《Chemometrics andIntelligent Laboratory Systems)) (81,165-179,2006)上撰文 “Process control andoptimization with simple interval calculation method (SIC 方法在過程優(yōu)化與控制中的應用)”，提出利用遞進PLS (偏最小二乘回歸)建模進行質量預測，利用PLS通路建模和SIC方法進行多階段生產過程的參數優(yōu)化。但PLS通路建模和SIC方法結合操作步驟繁瑣，并且SIC自身理論不完備，使得優(yōu)化存在一定經驗性；且由于其優(yōu)化目標是最大化某一質量指標，忽略了產品質量的連續(xù)性。

發(fā)明內容
本發(fā)明的目的是提供一種多階段間歇生產過程的全程優(yōu)化方法，以優(yōu)化生產過程中每個階段的工藝參數，為產品質量符合既定目標提供持續(xù)最優(yōu)的保證。為了實現上述目的，本發(fā)明提供了一種多階段間歇生產過程的全程優(yōu)化方法，包括以下步驟:S1:采集一個多階段生產過程的多批生產數據并進行預處理，所述生產數據包括過程參數和產品質量屬性數據；S2:采用遞進PLS方法建立過程參數與產品質量屬性數據之間的PLS模型；
S3:確定優(yōu)化目標，結合所述PLS模型計算產品質量屬性符合優(yōu)化目標的貝葉斯后驗預測概率，選擇貝葉斯后驗預測概率最大的過程參數組合作為優(yōu)化結果。作為優(yōu)選，步驟SI具體包括:SlOl:采集數據:采集一個多階段生產過程的m批生產數據，每批生產數據分別包括η個過程參數和q個產品質量屬性數據，則過程參數組成大小為mXn的矩陣X，產品質量屬性數據組成大小為mXq的矩陣Y ;S102:數據預處理及樣本劃分:對所有生產數據進行歸一化預處理以消除量綱差異，并采用樣本劃分方法將全部樣本劃分為校正集和驗證集，其中校正集數據用于建立PLS模型，驗證集數據用于驗證PLS模型；S103:重組數據:若所述多階段生產過程由k個階段組成，則將每個階段的過程參數分別以矩陣Xj表示，其中I < j < k，則過程參數矩陣X分解為k個矩陣X1 Xk ;在第j個階段，將矩陣X1 \重組形成聯(lián)合矩陣x(j):X(J)H..,Xj) (I)形成的k個聯(lián)合矩陣用于多階段過程模型的建立。作為進一步地優(yōu)選,步驟S2具體包括:S201:選擇最優(yōu)潛變量因子數:結合化學計量學指標，采用交叉驗證的方法選擇最優(yōu)潛變量因子數p，其中所述化學計量學指標包括校正誤差均方根、交叉驗證誤差均方根、預測誤差均方根和/或預測殘差平方和；S202:建立 PLS 模型:采用PLS的方法建立聯(lián)合矩陣X(j)和產品質量屬性數據矩陣Y之間的PLS潛變量回歸模型，其表述形式為:XYj =Yj = TjVj+Ej(2)其中L為得分矩陣，'為內部回歸系數矩陣，Ej為模型誤差矩陣；Tj由權重矩陣^和載荷矩陣P」計算得到，計算方法如下:
權利要求
1.種多階段間歇生產過程的全程優(yōu)化方法，其特征在于，包括以下步驟: S1:采集一個多階段生產過程的多批生產數據并進行預處理，所述生產數據包括過程參數和產品質量屬性數據； 52:采用遞進PLS方法建立過程參數與產品質量屬性數據之間的PLS模型； 53:確定優(yōu)化目標，結合所述PLS模型計算產品質量屬性符合優(yōu)化目標的貝葉斯后驗預測概率，選擇貝葉斯后驗預測概率最大的過程參數組合作為優(yōu)化結果。
2.據權利要求1所述的多階段間歇生產過程的全程優(yōu)化方法，其特征在于， 步驟SI具體包括: 5101:采集數據: 采集一個多階段生產過程的m批生產數據，每批生產數據分別包括η個過程參數和q個產品質量屬性數據，則過程參數組成大小為mXn的矩陣X，產品質量屬性數據組成大小為mXq的矩陣Y; 5102:數據預處理及樣本劃分: 對所有生產數據進行歸一化預處理以消除量綱差異，并采用樣本劃分方法將全部樣本劃分為校正集和驗證集，其中校正集數據用于建立PLS模型，驗證集數據用于驗證PLS模型； 5103:重組數據: 若所述多階段生產過程由k個階段組成，則將每個階段的過程參數分別以矩陣Xj表示，其中I < j < k，則過程參數矩陣X分解為k個矩陣X1 Xk;在第j個階段，將矩陣X1 Xj重組形成聯(lián)合矩陣X(j):X(J) = (X1, X2,...,Xj) (I) 形成的k個聯(lián)合矩陣用于多階段過程模型的建立。
3.據權利要求2所述的多階段間歇生產過程的全程優(yōu)化方法，其特征在于， 步驟S2具體包括: 5201:選擇最優(yōu)潛變量因子數: 結合化學計量學指標，采用交叉驗證的方法選擇最優(yōu)潛變量因子數P，其中所述化學計量學指標包括校正誤差均方根、交叉驗證誤差均方根、預測誤差均方根和/或預測殘差平方和； 5202:建立PLS模型: 采用PLS的方法建立聯(lián)合矩陣Χω和產品質量屬性數據矩陣Y之間的PLS潛變量回歸模型，其表述形式為: XYj =Yj = WEj ⑵ 其中L為得分矩陣，'為內部回歸系數矩陣，Ej為模型誤差矩陣； Tj由權重矩陣Vj和載荷矩陣P」計算得到，計算方法如下: Tj=Xij^wy(3) Vj由普通最小二乘法估計得到，計算方法如下: Vj = Cr.Ta ιτ；γ(4) 在生產過程中，隨著過程階段的遞進，建立k個PLS模型，即XY1, XY2,…XYk ；S203:存儲模型參數: 存儲在第j個階段進行PLS建模時的參數Wp Pj, Tj, '，供優(yōu)化計算使用。
4.據權利要求3所述的多階段間歇生產過程的全程優(yōu)化方法，其特征在于， 步驟S3具體包括: 5301:確定優(yōu)化目標: 根據如下表達式進行優(yōu)化目標的確定:
全文摘要
本發(fā)明公開了一種多階段間歇生產過程的全程優(yōu)化方法，包括以下步驟S1采集一個多階段生產過程的多批生產數據并進行預處理，所述生產數據包括過程參數和產品質量屬性數據；S2采用遞進PLS方法建立過程參數與產品質量屬性數據之間的PLS模型；S3確定優(yōu)化目標，結合所述PLS模型計算產品質量屬性符合優(yōu)化目標的貝葉斯后驗預測概率，選擇貝葉斯后驗預測概率最大的過程參數組合作為優(yōu)化結果。應用本發(fā)明的優(yōu)化方法，可為多階段生產過程的每一階段提供符合既定質量目標的最優(yōu)工藝操作，最終達到穩(wěn)定并提高產品質量的目的。
文檔編號G05B13/04GK103092078SQ20131000510
公開日2013年5月8日 申請日期2013年1月7日 優(yōu)先權日2013年1月7日
發(fā)明者喬延江, 徐冰, 史新元, 周海燕 申請人:北京中醫(yī)藥大學, 亞寶北中大(北京)制藥有限公司