專利名稱：：基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于故障監(jiān)測(cè)與診斷
技術(shù)領(lǐng)域：
，提出了一種基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法。
背景技術(shù)：
：間歇及半間歇過(guò)程已經(jīng)廣泛應(yīng)用于化工、發(fā)酵、制藥、食品生產(chǎn)等諸多領(lǐng)域，青霉素作為抗生素的一種，具有廣泛的臨床醫(yī)用價(jià)值，而其生產(chǎn)設(shè)備是個(gè)典型的非線性、動(dòng)態(tài)、多階段半間歇生產(chǎn)過(guò)程。間歇過(guò)程操作復(fù)雜，操作條件的微小變化、原料中混入雜質(zhì)等異常狀況都會(huì)影響到最終產(chǎn)品的產(chǎn)量和質(zhì)量，如果能對(duì)間歇過(guò)程在線監(jiān)測(cè)、診斷故障，則能幫助操作人員及時(shí)消除故障或暫時(shí)停止生產(chǎn)以減小原材料的浪費(fèi)和設(shè)備的占用。目前，針對(duì)間歇過(guò)程N(yùn)onmikos和Macgregor提出了多元統(tǒng)計(jì)監(jiān)控方法，主要是基(multiwayprincipalcomponentanalysis,MPCA)UR^^iiMB.小二乘法(multiwaypartialleastsquares，MPLS)，這兩種方法都是假設(shè)過(guò)程變量之間的關(guān)系是線性的，它們用于監(jiān)測(cè)簡(jiǎn)單的間歇過(guò)程比較有效，但大多數(shù)間歇過(guò)程由于操作條件或反應(yīng)進(jìn)程的改變，從而具有多階段性，不同操作階段的數(shù)據(jù)動(dòng)態(tài)特性不同，同一操作階段的變量也往往具有高度非線性，這時(shí)用單一的統(tǒng)計(jì)模型便不能很好的表現(xiàn)原始數(shù)據(jù)的信息，還有可能導(dǎo)致一些重要信息的缺失，產(chǎn)生故障的漏報(bào)及誤報(bào)，實(shí)際上間歇過(guò)程沒(méi)有穩(wěn)態(tài)操作點(diǎn)，過(guò)程變量的軌跡隨著時(shí)間呈現(xiàn)非線性變化趨勢(shì)，是典型的非線性動(dòng)態(tài)操作過(guò)程，針對(duì)間歇過(guò)程的非線性特性，Lee等人又提出一種基于核函數(shù)的非線性算法多向核主成分yMff(multiwaykernelprincipalcomponentana1ysis,MKPCA),fS]ftjlfMW#^特征，將間歇過(guò)程的三維數(shù)據(jù)矩陣按縱向展開(kāi)成二維矩陣并進(jìn)行標(biāo)準(zhǔn)化，建立過(guò)程模型并用于過(guò)程的在線監(jiān)測(cè)，核主成分分析(kernelprincipalcomponentanalysis，KPCA)通過(guò)非線性核函數(shù)把非線性數(shù)據(jù)映射到高維特征空間，然后在特征空間中執(zhí)行線性PCA提取特征，KPCA是在高維特征空間中執(zhí)行PCA，所以無(wú)需求解非線性優(yōu)化問(wèn)題，并且與其它非線性方法相比，在建模之前它不需要指定主元數(shù)目。但是傳統(tǒng)KPCA算法存在著不足之處，即KPCA模型是時(shí)不變的，而大部分實(shí)際工業(yè)過(guò)程都具有時(shí)變的特性，這限制了KPCA在非線性間歇過(guò)程中的應(yīng)用。
發(fā)明內(nèi)容為彌補(bǔ)上述方法之不足，本發(fā)明提出一種基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，以達(dá)到降低誤報(bào)警率的目的。本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，包括以下步驟步驟1采集數(shù)據(jù)，在青霉素發(fā)酵過(guò)程中，采集的數(shù)據(jù)包括通風(fēng)率，攪拌器功率，基質(zhì)進(jìn)給速率，基質(zhì)進(jìn)給溫度，生成的熱量，溶解氧濃度，PH值和二氧化碳濃度數(shù)據(jù)，其中溫度和PH值采用閉環(huán)控制，而補(bǔ)料采用開(kāi)環(huán)定值控制，用均值和標(biāo)準(zhǔn)偏差規(guī)范采集的數(shù)據(jù)；9步驟2計(jì)算青霉素發(fā)酵過(guò)程故障的主要因素P，方法如下用步驟1標(biāo)準(zhǔn)化后的N個(gè)采樣樣本，建立青霉素發(fā)酵過(guò)程初始的監(jiān)測(cè)模型，對(duì)于青霉素發(fā)酵過(guò)程中一個(gè)新的采樣xnew，確定青霉素發(fā)酵過(guò)程故障的主要因素P和置信限，監(jiān)測(cè)其是否出現(xiàn)異常；如果異常則報(bào)警，否則轉(zhuǎn)到步驟3;其中，青霉素發(fā)酵過(guò)程故障的主要因素P，公式如下權(quán)利要求基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，其特征在于包括以下步驟步驟1采集數(shù)據(jù)，在青霉素發(fā)酵過(guò)程中，采集的數(shù)據(jù)包括通風(fēng)率，攪拌器功率，基質(zhì)進(jìn)給速率，基質(zhì)進(jìn)給溫度，生成的熱量，溶解氧濃度，pH值和二氧化碳濃度數(shù)據(jù)，其中溫度和pH值采用閉環(huán)控制，而補(bǔ)料采用開(kāi)環(huán)定值控制，用均值和標(biāo)準(zhǔn)偏差標(biāo)準(zhǔn)化采集的數(shù)據(jù)；步驟2計(jì)算青霉素發(fā)酵過(guò)程故障的主要因素P采用如下方法用步驟1標(biāo)準(zhǔn)化后的N個(gè)采樣樣本，建立青霉素發(fā)酵過(guò)程初始的監(jiān)測(cè)模型，對(duì)于青霉素發(fā)酵過(guò)程中一個(gè)新的采樣xnew，用初始的監(jiān)測(cè)模型得到青霉素發(fā)酵過(guò)程故障的主要因素P和置信限，監(jiān)測(cè)其是否出現(xiàn)異常；如果異常則報(bào)警，否則轉(zhuǎn)到步驟3；其中，青霉素發(fā)酵過(guò)程故障的主要因素P，公式如下<mrow><mi>P</mi><mo>=</mo><mi>&Phi;</mi><mrow><mo>(</mo><mi>X</mi><mo>)</mo></mrow><mfencedopen='['close=']'><mtable><mtr><mtd><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt></mtd><mtd><msup><mn>0</mn><mi>T</mi></msup></mtd></mtr><mtr><mtd><mo>-</mo><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt><mi>B</mi></mtd><mtd><mover><mi>A</mi><mo>~</mo></mover></mtd></mtr></mtable></mfenced><msubsup><mi>U</mi><mi>&Phi;</mi><mo>&prime;</mo></msubsup></mrow>式中，Φ(X)為X＝[x1，x2，...，xN]樣本矩陣映射到高維特征空間后的矩陣，N是采樣樣本個(gè)數(shù)，青霉素發(fā)酵過(guò)程初始監(jiān)測(cè)模型主要因素的調(diào)節(jié)因子青霉素發(fā)酵過(guò)程初始模型主要因素的修正矩陣k(X，x1)表示X和x1的內(nèi)積，K(X)表示樣本矩陣的內(nèi)積，表示和x1的內(nèi)積，為中間矩陣，表示中間矩陣的內(nèi)積，為中間矩陣協(xié)方差的特征值陣，U′Φ為過(guò)程變量的特征向量陣；提取青霉素發(fā)酵過(guò)程中間矩陣傳輸因子公式如下<mrow><mfencedopen='['close=']'><mtable><mtr><mtd><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt></mtd><mtd><msup><mn>0</mn><mi>T</mi></msup></mtd></mtr><mtr><mtd><mo>-</mo><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt><mi>B</mi></mtd><mtd><mover><mi>A</mi><mo>~</mo></mover></mtd></mtr></mtable></mfenced><mo>=</mo><mi>A</mi><msup><mrow><mo>(</mo><msubsup><mi>U</mi><mi>&Phi;</mi><mo>&prime;</mo></msubsup><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup></mrow>對(duì)于青霉素發(fā)酵過(guò)程，一個(gè)新的采樣xnew，采集的數(shù)據(jù)包括通風(fēng)率，攪拌器功率，基質(zhì)進(jìn)給速率，基質(zhì)進(jìn)給溫度，生成的熱量，溶解氧濃度，pH值和二氧化碳濃度；用初始監(jiān)測(cè)模型得到的主要因素P和置信限，監(jiān)測(cè)新的采樣xnew是否出現(xiàn)異常；如果異常則報(bào)警，否則轉(zhuǎn)到步驟3；步驟3青霉素發(fā)酵過(guò)程采樣xnew是正常數(shù)據(jù)時(shí)，采用遞歸核主元分析方法更新步驟2的青霉素發(fā)酵過(guò)程初始的監(jiān)測(cè)模型，并計(jì)算更新后的青霉素發(fā)酵過(guò)程故障的主要因素公式如下<mrow><mover><mi>P</mi><mo>^</mo></mover><mo>=</mo><mi>&Phi;</mi><mrow><mo>(</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mover><mi>X</mi><mo>~</mo></mover></mtd><mtd><msub><mi>x</mi><mi>new</mi></msub></mtd></mtr></mtable></mfenced><mo>)</mo></mrow><mfencedopen='['close=']'><mtable><mtr><mtd><mover><mi>A</mi><mo>~</mo></mover></mtd><mtd><mo>-</mo><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt><msup><mi>B</mi><mo>&prime;</mo></msup></mtd></mtr><mtr><mtd><msup><mn>0</mn><mi>T</mi></msup></mtd><mtd><mfrac><mn>1</mn><msub><mi>h</mi><mi>&Phi;</mi></msub></mfrac><msqrt><mfrac><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>N</mi><mrow><mo>(</mo><mi>N</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfrac></msqrt></mtd></mtr></mtable></mfenced><msubsup><mi>U</mi><mi>&Phi;</mi><mrow><mo>&prime;</mo><mo>&prime;</mo></mrow></msubsup><mo>=</mo><mi>&Phi;</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>new</mi></msub><mo>)</mo></mrow><mover><mi>A</mi><mo>^</mo></mover></mrow>式中，為更新樣本矩陣映射到高維特征空間后的矩陣，青霉素發(fā)酵過(guò)程更新監(jiān)測(cè)模型主要因素的調(diào)節(jié)因子青霉素發(fā)酵過(guò)程更新模型主要因素的修正矩陣表示和xnew的內(nèi)積；步驟4對(duì)青霉素發(fā)酵過(guò)程是否發(fā)生故障進(jìn)行監(jiān)測(cè)；通過(guò)監(jiān)測(cè)Hotelling的T2統(tǒng)計(jì)和平方預(yù)測(cè)誤差(SPE)統(tǒng)計(jì)進(jìn)行故障監(jiān)測(cè)，即可判斷出青霉素發(fā)酵過(guò)程是否發(fā)生故障，當(dāng)T2統(tǒng)計(jì)和SPE統(tǒng)計(jì)超出各自的置信限時(shí)，認(rèn)為有故障發(fā)生，反之，整個(gè)過(guò)程正常，轉(zhuǎn)到步驟3繼續(xù)更新青霉素發(fā)酵過(guò)程的監(jiān)測(cè)模型。FSA00000287927200012.tif,FSA00000287927200013.tif,FSA00000287927200014.tif,FSA00000287927200015.tif,FSA00000287927200016.tif,FSA00000287927200017.tif,FSA00000287927200018.tif,FSA00000287927200019.tif,FSA00000287927200021.tif,FSA00000287927200023.tif,FSA00000287927200024.tif,FSA00000287927200025.tif,FSA00000287927200026.tif,FSA00000287927200027.tif2.根據(jù)權(quán)利要求1所述的基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，其特征在于步驟2所述的建立青霉素發(fā)酵過(guò)程初始的監(jiān)測(cè)模型，方法如下本發(fā)明所提出的RKPCA方法，利用在特征空間中的遞歸計(jì)算來(lái)更新樣本協(xié)方差矩陣的特征值分解，令X=[Xl，x2，···，％]為青霉素發(fā)酵過(guò)程樣本矩陣，Xl，x2，···，％為青霉素發(fā)酵過(guò)程采樣樣本，N是采樣樣本個(gè)數(shù)，文二[x2,…,^]eRmx(AM)為青霉素發(fā)酵過(guò)程中間矩陣，m是采樣變量個(gè)數(shù)，X_為更新后青霉素發(fā)酵過(guò)程的樣本矩陣，Xnrat為青霉素發(fā)酵過(guò)程中新樣本，它們被映射Φ投影到高維特征空間后分別為Φ(X)，少(文)和Φ(Xnew)，因此Φ(X)的均值向量πιφ和協(xié)方差矩陣Cf可計(jì)算得到^忐研、([、文]Γι「^ν_ιΛ/、ν_\、1Γτν-Λ/、Ν~~=--φ(χ,)--ΤΦ-Φ(χ,)--Inij+T^-ILN1N」!_V1NΦ」_—ι_-1TjνIiIl*1-YΦ(χ,)-Iiil6+一Λ--Φ(χ,)χΦΓχΛ-ι,.+一ιφ--Φ(χ,)N-X^2I'φJ(rèn)VφJ(rèn)V?！功礜ΦN1_Jyλ*—ι(=21τΝ-2NN-I其中，φ和e分別表示Φ(幻的均值向量和協(xié)方差矩陣，運(yùn)([X1文])為矩陣[X1文]投影后去均值的投影矩陣，In是由N個(gè)1構(gòu)成的行向量，O(Xi)為Xi投影到高維特征空間的值，其中i=1....Ν，Φ(文)為χ投影去均值后的矩陣，令Λ和P分別為Cf的特征值陣和主要因素，X和分別為亡〃的特征值陣和主要因素，假設(shè)f二PRfp，Rtc是一個(gè)正交旋轉(zhuǎn)矩陣，由P=Φ⑴Α，吞二Φ(Χ)Α，這里A=(I-(l/iV)xE;,)[v1/A/i5v2/V^,-,v//Vi]'ξi和Vi分別表示運(yùn)(X)W(X)的第i個(gè)特征值和特征向量，X=(I-(l/(iV-l))xE糾)[丨/V^>2/V^"，...,％/V^]，Coi和義分別表示運(yùn)(文幻的第i個(gè)特征值和特征向量，將CF，&分別對(duì)角化得到PVP=Λ，F(xiàn)e嚇二X，由式⑵計(jì)算得到[("-lVW-SWA-KiV-lVCA^V-〗))^』=RX，其中=ΡΓ(Φ(Χι)-AJ=A7'[k(X,X1)-_-1))K(X,X)^.!]，令、二1)/("-2)]Λ-[(#-1)/(#(#-2))]%“，則入和Κφ分別對(duì)應(yīng)Stc的特征值陣與特征向量陣，由式(2)可得到式(3)1N—2-ΡτσΡ=^Ρτ(Φ(χι)-Αφ)(Φ(χ^-ιφ)τΡ+—-PtCfFNTV―丄NN-I=+ΑΤΦ(Χ)ΤΦ(Χ)λλλτΦ(Χ)τΦ(Χ)ANN-I=+ArK(X,Χ)ΑΑΑΤΚ(Χ,X)rA⑶=Λ其中，表示青霉素發(fā)酵過(guò)程樣本矩陣與中間矩陣的內(nèi)積；式(2)中力/(斤-2)和文)的奇異值分解滿足其中，尹=少(文)人為的主要因素，為對(duì)角陣且滿Μφ2=Α，φ為對(duì)應(yīng)的右奇異陣，根據(jù)式(4)、式(2)有yjN(N-2y、υφΝ-24其中，青霉素發(fā)酵過(guò)程初始監(jiān)測(cè)模型主要因素的調(diào)節(jié)因子K=----IN-I(I-PAPr)Hl-1-(φ(χι)■、N(N-I)1IN-I']jN(N-2)11Φ(Χι)-^iP(X)I叫-Φ(Χ)ΑΑΑΤ(Φ(Χ)'Φ(χι)-—-Φ(χγΦΧ)^)TV—丄N-IN(N--2)N--1N(N-2)N-1N-11Ν(Ν-2)φ(Χι)--^—φ(Χ)1Ν_1-CP(X)AAA1Ck(X5X1)--K(X)I^1)Tv—1yν—丄|Φ(ΧΙ)-Φ(Χ)Β|(6)小-2BTk(X,X1)+BrK(X)B=HN-IN(N-T)N-I(Ι-ΡΛΡΓ)(Φ(Χι)-ιηΦ)[Φ(ΧΙ)-Φ(Χ)Β]L·MN(N-I)青霉素發(fā)酵過(guò)程初始監(jiān)測(cè)模型主要因素的修正矩陣1‘+AAAr(k(X,X1)--I-K(X)I^1)(7)B=N-I.....N-I其中KC^)表示青霉素發(fā)酵過(guò)程中間矩陣的內(nèi)積，k(文，X1)表示文和X1的內(nèi)積令KOr(8)νΦ=ΦN(N-I)1對(duì)Vtc作奇異值分解得到νφ=U'φΣ'Φ'角陣，D'。為對(duì)應(yīng)的右奇異陣，將￥4)代入式(2)有Kr,U'φ為特征向量陣，Σ'φ為對(duì)λΚΑΤJl^(k(X,、)-l^K(X’h)&5則有Cf的主要因素P可以表示為=Φ([ΧιX])N-IN(N-I)JV-I=Φ(Χ)■ιΚ、Ν{Ν-2)K、Ν{Ν-2、Or-BAU'N-IN-IBAV'(IO)又因?yàn)镻=Φ(Χ)Α，所以得到式(11)A=N-IΗφ\(chéng)Ν(Ν-2)N-IBAU'(11)Ηφ\(chéng)Ν(Ν-2)根據(jù)式(11)，人可由下式計(jì)算得到Ν-\N(N-2)Ν-\N{N-2)-BA=A(u;r對(duì)于青霉素發(fā)酵過(guò)程，一個(gè)新樣本χ_，一個(gè)新樣本χ_，采集的數(shù)據(jù)包括通風(fēng)率，攪拌器功率，基質(zhì)進(jìn)給速率，基質(zhì)進(jìn)給溫度，生成的熱量，溶解氧濃度，ρΗ值和二氧化碳濃度；用步驟2建立初始監(jiān)測(cè)模型得到的主要因素P，青霉素發(fā)酵過(guò)程在特征空間中的得分向量teRr為6N(12)其中，P=[P1,P2，…，pj，r為保留的核主元數(shù)目，k(X，xnJ表示樣本矩陣X與新樣本的內(nèi)積向量，新樣本的T2和SPE統(tǒng)計(jì)量由式(13)和式(14)計(jì)算T12=t^A^t(13)SPE1=[Φ(xnew)-πιφ]τ(I-PPt)[Φ(Xnew)-HiiJ(14)其中，Λ為主元的方差陣，T2滿足F分布Τ2_ΚΝ2-\)N(N-r)r’N_r其中，N是采樣樣本的個(gè)數(shù)，r是保留主元的個(gè)數(shù)，T2統(tǒng)計(jì)量的上限為2_KAT2-I)一~~~rr“(15)β~N(N-r)irM其中，β為置信度，而Q統(tǒng)計(jì)量的分布滿足χ2分布，其控制上限為Q0=gX2(h)(16)其中，g=ρ2/2μ，!=2μ7ρ2，μ與P2分別對(duì)應(yīng)樣本Q統(tǒng)計(jì)量的均值和方差，如果:T12和SPE1大于它們各自的置信限則報(bào)警，說(shuō)明青霉素發(fā)酵過(guò)程中發(fā)生了異常，否則轉(zhuǎn)到步驟3ο3.根據(jù)權(quán)利要求1所述的基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，其特征在于步驟3所述遞歸核主元分析更新步驟2的青霉素發(fā)酵過(guò)程初始的監(jiān)測(cè)模型，并計(jì)算更新后青霉素發(fā)酵過(guò)程故障的主要因素P，方法如下Xnrat為一個(gè)青霉素發(fā)酵過(guò)程中新樣本并且可用，φ(Xnrat)為新樣本Xnrat在特征空間中的投影，=為更新后青霉素發(fā)酵過(guò)程的樣本矩陣，則Φ(XnJ的均值向量1&0和協(xié)方差陣分別為Φ=去Φ([文xew])Ν-2N-IN-X.1-mdN4N([χL·(17)(18)I由式(2)-(9)得至丨Σ,0V；=“ΦΛΤ—_/A^-I-1一叫一K7對(duì)V'Φ作奇異值分解得到ν'Φ=U"ΦΣ"φ"φτ進(jìn)而可以得到亡〃的主要因素吞和特征值陣Λ[Α_±λΓΖΞΓΒ'1Ρ=Φ[χXnew]"V-υ';=Φ(Χ_)Α(19)h'0^N(N-2)_Λ=(20)Ν-\Φ其中青霉素發(fā)酵過(guò)程更新監(jiān)測(cè)模型主要因素的調(diào)節(jié)因子K=^^Vl-2B'rk(X,xw)+B-K(X)B'(21)青霉素發(fā)酵過(guò)程更新監(jiān)測(cè)模型主要因素的修正矩陣=+Ck(X5XwJ-^K(X)V1)(22)表示青霉素發(fā)酵過(guò)程中間矩陣文和新采樣X(jué)nrat的內(nèi)積。8全文摘要一種基于遞歸核主元分析的青霉素發(fā)酵過(guò)程故障監(jiān)測(cè)方法，屬于故障監(jiān)測(cè)與診斷
技術(shù)領(lǐng)域：
，包括采集通風(fēng)率，攪拌器功率，基質(zhì)進(jìn)給速率，基質(zhì)進(jìn)給溫度，生成的熱量，溶解氧濃度，pH值和二氧化碳濃度；用步驟1標(biāo)準(zhǔn)化后的前N個(gè)采樣樣本，建立初始的監(jiān)測(cè)模型，用RKPCA方法更新模型，并計(jì)算特征向量對(duì)連續(xù)退火工藝的過(guò)程進(jìn)行故障檢測(cè)與診斷，當(dāng)T2統(tǒng)計(jì)和SPE統(tǒng)計(jì)超出各自的控制限時(shí)，認(rèn)為有故障發(fā)生，反之，整個(gè)過(guò)程正常，本發(fā)明方法主要解決數(shù)據(jù)的非線性和時(shí)變性問(wèn)題，RKPCA通過(guò)遞歸計(jì)算訓(xùn)練數(shù)據(jù)協(xié)方差的特征值和特征向量對(duì)模型進(jìn)行更新，結(jié)果表明，該方法不僅能大大降低誤報(bào)警，還提高了故障檢測(cè)的準(zhǔn)確性。文檔編號(hào)G06F19/00GK101964021SQ20101029549公開(kāi)日2011年2月2日申請(qǐng)日期2010年9月29日優(yōu)先權(quán)日2010年9月29日發(fā)明者張穎偉,滕永懂,胡志勇申請(qǐng)人:東北大學(xué)