基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于自動控制、信息技術(shù)和先進制造領(lǐng)域，具體設(shè)及針對不確定環(huán)境下的 生產(chǎn)過程，數(shù)據(jù)包含異常點且生產(chǎn)指標可采用區(qū)間數(shù)描述的指標預(yù)報問題，提出一種基于 魯椿區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法。
【背景技術(shù)】
[0002] 在鋼鐵、微電子等行業(yè)實際復(fù)雜生產(chǎn)過程操作優(yōu)化和動態(tài)調(diào)度中，常需對生產(chǎn)指 標進行預(yù)報，但由于實際生產(chǎn)過程存在較大不確定，且生產(chǎn)數(shù)據(jù)中常包含異常點，采用基于 神經(jīng)網(wǎng)絡(luò)、支撐向量機等常規(guī)預(yù)報模型給出的指標預(yù)報值與指標的實際測量值往往存在較 大偏差，從而影響了操作優(yōu)化和動態(tài)調(diào)度效果，采用區(qū)間型指標預(yù)報方法是解決上述指標 預(yù)報難題的有效途徑之一。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明針對生產(chǎn)過程存在不確定性，生產(chǎn)數(shù)據(jù)含異常數(shù)據(jù)點，且生產(chǎn)指標可采用 區(qū)間數(shù)描述的指標預(yù)報問題，提出了基于魯椿區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法。采 用區(qū)間極限學(xué)習(xí)機構(gòu)建區(qū)間上界模型和下界模型，并構(gòu)建了一個優(yōu)化問題對上述兩個模型 的參數(shù)進行優(yōu)化，該優(yōu)化問題的目標函數(shù)中同時考慮了模型復(fù)雜度、模型中屯、誤差、模型區(qū) 間誤差。為減少異常點對指標預(yù)報性能的影響，采用魯椿統(tǒng)計學(xué)中最小中位數(shù)平方法（LMS ; Least Median of Squares)對初始訓(xùn)練數(shù)據(jù)集中的異常點進行處理W確定子訓(xùn)練數(shù)據(jù)集。 本發(fā)明方法可用于數(shù)據(jù)中含異常點的區(qū)間型生產(chǎn)指標預(yù)報。
[0004] 一種基于魯椿區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，其特征在于，所述方法是 依次按如下步驟實現(xiàn)的：
[0005] 步驟（1);數(shù)據(jù)采集與預(yù)處理
[0006] 利用數(shù)據(jù)采集系統(tǒng)從實際生產(chǎn)過程進行數(shù)據(jù)采集，并將上述數(shù)據(jù)處理成如下訓(xùn)練 數(shù)據(jù)：
[0007]
【主權(quán)項】
1.基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，其特征在于，所述方法是依次按 如下步驟實現(xiàn)的： 步驟（1):數(shù)據(jù)采集與預(yù)處理
利用數(shù)據(jù)采集系統(tǒng)從實際生產(chǎn)過程進行數(shù)據(jù)采集，并將上述數(shù)據(jù)處理成如下訓(xùn)練數(shù) 據(jù)： Xi - (x ia, xi>n) 其中，\和t 別為第i個訓(xùn)練樣本的輸入和輸出，N為訓(xùn)練數(shù)據(jù)樣本的個數(shù)，η為輸 入變量的維數(shù)，訓(xùn)練樣本中含有由于系統(tǒng)采集、測量錯誤的異常數(shù)據(jù)； 步驟⑵：構(gòu)造區(qū)間極限學(xué)習(xí)機模型 將區(qū)間極限學(xué)習(xí)機模型表示成如下形式：
A (Xi) -f2 (Xi) =?+ξ? i = l，...，N 其中， (X) = Ii1 (X) β I f2 (χ) = h2 (χ) β 2 分別為區(qū)間極限學(xué)習(xí)機的上界模型和下界模型，Ii1(X)和1!2〇〇分別為上界模型和下界 模型的隱層節(jié)點函數(shù)，β JP β 2分別為上界模型和下界模型的輸出層權(quán)重，n i是第i個樣 本與模型中心的誤差，6是模型輸出區(qū)間的期望值，ξ i是第i個樣本與模型輸出區(qū)間的誤 差，CdP C 2分別為模型中心誤差和模型區(qū)間誤差的懲罰系數(shù)； 步驟（3):區(qū)間極限學(xué)習(xí)機模型的初始化 選定輸入層神經(jīng)節(jié)點個數(shù)與訓(xùn)練樣本維數(shù)η相同，輸出神經(jīng)節(jié)點個數(shù)為1，單隱層極限 學(xué)習(xí)機的隱層節(jié)點數(shù)M ; 隱層節(jié)點的激勵函數(shù)Ii1 (χ)和h2 (χ)可采用高斯函數(shù)/Sigmoid函數(shù)/正弦函數(shù)/三角 基函數(shù)/Hard Limit函數(shù)，并隨機確定上述函數(shù)的參數(shù)； 步驟（4):區(qū)間極限學(xué)習(xí)機模型的學(xué)習(xí) 步驟（4. 1):區(qū)間極限學(xué)習(xí)機模型的拉格朗日函數(shù)可以寫為
其中，aJP λ i是拉格朗日因子； 令 β = [ β 1； β 2] h+(Xi) = Di1(Xi)，Ii2(Xi)] L(Xi) = Dl1(Xi)，-Ii2(Xi)] 上式可寫成
上述拉朗日函數(shù)對各參數(shù)求導(dǎo)數(shù)，有
上述問題的求解需要分兩種情景，為了簡單起見，這里僅列出結(jié)果； 情景1)基于隨機隱層節(jié)點： 求解后，得到 令 或
從而可以得到區(qū)間極限學(xué)習(xí)機的預(yù)測模型為：
情景2)基于核函數(shù)：
步驟（5):確定訓(xùn)練數(shù)據(jù)子集 步驟（5. 1):估計殘差的尺度參數(shù)，用于判定訓(xùn)練數(shù)據(jù)
步驟（5.2):使用下式對訓(xùn)練數(shù)據(jù)集中的每一個數(shù)據(jù)進行計算
其中，1表示放入訓(xùn)練數(shù)據(jù)子集中，O表示不放入訓(xùn)練數(shù)據(jù)子集中，δ為人工確定的參 數(shù)； 步驟（6):重復(fù)步驟（5)和步驟（6)，直到滿足停止條件； 步驟（7):在上述模型參數(shù)學(xué)習(xí)完成的基礎(chǔ)上，使用如下方式進行區(qū)間型運行指標預(yù) 測，假設(shè)輸入變量為X，
其中，tjp 12分別為區(qū)間型運行指標預(yù)測值的下界和上界。
2. 本發(fā)明根據(jù)前面的基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，并針對精煉爐 鋼水溫度預(yù)報實際問題的特點，進一步提出了基于魯棒區(qū)間極限學(xué)習(xí)機的精煉爐鋼水溫度 區(qū)間預(yù)報方法；該方法將實際精煉爐鋼水溫度在每兩次溫度測量之間的前一次鋼水測量溫 度、鋼包狀況、加熱檔位、加熱時間、處理間隔時間、吹氬流量、包壁溫度、煙氣溫度、煙氣流 量和環(huán)境溫度等作為模型輸入訓(xùn)練數(shù)據(jù)，將后一次測量溫度值作為模型輸出訓(xùn)練數(shù)據(jù)，并 對基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報模型進行訓(xùn)練，所得訓(xùn)練好的模型即可用于 鋼水溫度的預(yù)報；所述方法是在計算機上依次按以下步驟實現(xiàn)： 步驟（1):采集每爐鋼水每兩次溫度測量之間的數(shù)據(jù)，在每組數(shù)據(jù)中，將前一次鋼水測 量溫度、鋼包狀況、加熱檔位、加熱時間、處理間隔時間、吹氬流量、包壁溫度、煙氣溫度、煙 氣流量和環(huán)境溫度等作為模型輸入訓(xùn)練數(shù)據(jù)，將后一次鋼水測量溫度作為模型輸出數(shù)據(jù)， 訓(xùn)練樣本中含有由于系統(tǒng)采集、測量錯誤的異常數(shù)據(jù)； 步驟（2):選定輸入層神經(jīng)節(jié)點個數(shù)，輸出神經(jīng)節(jié)點個數(shù)，單隱層極限學(xué)習(xí)機的隱層節(jié) 點數(shù)，隱層節(jié)點的激勵函數(shù)，區(qū)間目標值，模型中心誤差和模型區(qū)間誤差的懲罰系數(shù)； 步驟（3):采用權(quán)利要求1中的基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，用步 驟（2)采集的數(shù)據(jù)進行訓(xùn)練，從而得到精煉爐鋼水溫度的區(qū)間預(yù)報模型。
3. 本發(fā)明根據(jù)前面的基于魯棒區(qū)間極限學(xué)習(xí)機的的區(qū)間型指標預(yù)報方法，并針對微電 子化學(xué)機械研磨工序晶圓片研磨厚度預(yù)報實際問題的特點，進一步提出了基于魯棒區(qū)間極 限學(xué)習(xí)機的化學(xué)機械研磨厚度區(qū)間預(yù)報方法；該方法將實際微電子化學(xué)機械研磨工序?qū)γ?個晶圓片的研磨時間以及研磨設(shè)備檢驗標準值為模型輸入訓(xùn)練數(shù)據(jù)，將晶圓片研磨厚度作 為模型輸出訓(xùn)練數(shù)據(jù)，并對基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報模型進行訓(xùn)練，所 獲得的模型即可用于研磨厚度的區(qū)間預(yù)報。所述方法是在計算機上依次按以下步驟實現(xiàn)： 步驟（1):采集每個晶圓片的研磨時間、研磨厚度、所屬產(chǎn)品品種，以及研磨設(shè)備檢驗 標準值信息，并按所屬產(chǎn)品品種信息將數(shù)據(jù)進行分組，在每組數(shù)據(jù)中，將研磨時間、研磨設(shè) 備檢驗標準值作為模型輸入數(shù)據(jù)，將研磨厚度作為模型輸出數(shù)據(jù)，訓(xùn)練樣本中含有由于系 統(tǒng)采集、測量錯誤的異常數(shù)據(jù)； 步驟（2):選定輸入層神經(jīng)節(jié)點個數(shù)，輸出神經(jīng)節(jié)點個數(shù)，單隱層極限學(xué)習(xí)機的隱層節(jié) 點數(shù)，隱層節(jié)點的激勵函數(shù)，區(qū)間目標值，模型中心誤差和模型區(qū)間誤差的懲罰系數(shù)； 步驟（3):采用權(quán)利要求1中的基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，用步 驟（2)采集的數(shù)據(jù)進行訓(xùn)練，從而得到微電子化學(xué)機械研磨厚度的區(qū)間預(yù)報模型。
【專利摘要】基于魯棒區(qū)間極限學(xué)習(xí)機的區(qū)間型指標預(yù)報方法，屬于自動控制、信息技術(shù)和先進制造領(lǐng)域，具體涉及針對不確定環(huán)境下的生產(chǎn)過程，數(shù)據(jù)包含異常點且指標可采用區(qū)間數(shù)描述的生產(chǎn)指標預(yù)報問題，提出一種區(qū)間型指標預(yù)報方法。其特征在于包括以下步驟：采用區(qū)間極限學(xué)習(xí)機構(gòu)建區(qū)間上界模型和下界模型，并構(gòu)建了一個優(yōu)化問題對上述兩個模型的參數(shù)進行優(yōu)化，該優(yōu)化問題的目標函數(shù)中同時考慮了模型復(fù)雜度、模型中心誤差、模型區(qū)間誤差。為減少異常點對指標預(yù)報性能的影響，采用魯棒統(tǒng)計學(xué)中最小中位數(shù)平方法對初始訓(xùn)練數(shù)據(jù)集中的異常點進行處理以確定子訓(xùn)練數(shù)據(jù)集。本發(fā)明方法可用于數(shù)據(jù)中含異常點的區(qū)間型生產(chǎn)指標預(yù)報。
【IPC分類】G06F17-50
【公開號】CN104537167
【申請?zhí)枴緾N201410805087
【發(fā)明人】劉民, 寧克鋒, 董明宇, 吳澄
【申請人】清華大學(xué)
【公開日】2015年4月22日
【申請日】2014年12月23日