基于JYPLS和局部模型技術(shù)的過(guò)程監(jiān)測(cè)

苑瑋琦 鄧陽(yáng)（沈陽(yáng)工業(yè)大學(xué)，遼寧沈陽(yáng) 110870）

?

基于JYPLS和局部模型技術(shù)的過(guò)程監(jiān)測(cè)

苑瑋琦 鄧陽(yáng)
（沈陽(yáng)工業(yè)大學(xué)，遼寧沈陽(yáng) 110870）

【摘要】過(guò)程監(jiān)測(cè)是保證生產(chǎn)安全、穩(wěn)定運(yùn)行的一個(gè)非常重要的措施，本文針對(duì)新的生產(chǎn)過(guò)程投運(yùn)初期的過(guò)程監(jiān)測(cè)問(wèn)題提出應(yīng)對(duì)策略。首先，針對(duì)過(guò)程建模缺少運(yùn)行數(shù)據(jù)的問(wèn)題，利用相似過(guò)程的運(yùn)行數(shù)據(jù)彌補(bǔ)新過(guò)程信息不足，采用JYPLS信息遷移的方法建立新過(guò)程的監(jiān)測(cè)模型。之后，采用JYPLS信息遷移方法與局部模型相結(jié)合的策略，解決新過(guò)程時(shí)變性引起的模型不準(zhǔn)問(wèn)題。文中利用某選廠磨礦生產(chǎn)過(guò)程數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果驗(yàn)證出了本文提出的方法的有效性和實(shí)用性。

【關(guān)鍵詞】信息遷移 過(guò)程監(jiān)測(cè) EPCA JYPLS

基于數(shù)據(jù)驅(qū)動(dòng)的過(guò)程監(jiān)測(cè)方法是解決具有復(fù)雜性和不確定性特點(diǎn)的工業(yè)過(guò)程監(jiān)測(cè)問(wèn)題的一種方便、實(shí)用的做法［1，2］。但是，對(duì)于一個(gè)缺少運(yùn)行數(shù)據(jù)的新的過(guò)程而言，現(xiàn)有的數(shù)據(jù)驅(qū)動(dòng)過(guò)程監(jiān)測(cè)方法難以適用。對(duì)此，本文利用JYPLS信息遷移技術(shù)建立監(jiān)測(cè)過(guò)程模型，其中JYPLS方法最初由產(chǎn)品生產(chǎn)設(shè)計(jì)問(wèn)題提出［4］，并應(yīng)用于模型移植等方面［5，6］。另外，針對(duì)過(guò)程時(shí)變性常常導(dǎo)致過(guò)程監(jiān)測(cè)效果的不穩(wěn)定或無(wú)法使用的問(wèn)題，本文提出基于JYPLS和局部模型的過(guò)程監(jiān)測(cè)方法，并利用某選廠磨礦過(guò)程運(yùn)行數(shù)據(jù)進(jìn)行過(guò)程監(jiān)測(cè)仿真，仿真結(jié)果驗(yàn)證了本文提出方法的有效性和實(shí)用性。

圖2.1 PLS對(duì)正常樣本監(jiān)測(cè)結(jié)果

圖2.2 JYPLS對(duì)正常樣本監(jiān)測(cè)結(jié)果

1 基于JYPLS過(guò)程監(jiān)測(cè)

1.1 基于JYPLS的過(guò)程監(jiān)測(cè)

JYPLS是一種過(guò)程信息遷移策略，它將過(guò)程中人們較關(guān)注的指標(biāo)變量作為 Y矩陣，并將新（B過(guò)程）舊（A過(guò)程）兩個(gè)相似過(guò)程的 Y矩陣組成一個(gè)增廣矩陣：

圖2.3 JYPLS對(duì)故障樣本監(jiān)測(cè)結(jié)果

圖2.4 JYPLS和局部模型對(duì)正常樣本監(jiān)測(cè)結(jié)果

圖2.5 JYPLS和局部模型對(duì)故障樣本監(jiān)測(cè)結(jié)果

對(duì)增廣矩陣在一個(gè)載荷空間內(nèi)降維，提取隱變量，用數(shù)據(jù)的協(xié)方差結(jié)構(gòu)表征新舊兩個(gè)過(guò)程的相似性信息，通過(guò)組成增廣矩陣能夠?qū)⒛且徊糠窒嗨频慕Y(jié)構(gòu)信息反映在一個(gè)載荷空間上，同時(shí)對(duì)于每一個(gè)過(guò)程建立PLS模型，這樣既利用了兩個(gè)過(guò)程相似的信息又利用了過(guò)程內(nèi)變量相關(guān)的信息。

A過(guò)程的數(shù)據(jù)為AX、AY， B過(guò)程的數(shù)據(jù)為BX、BY，建立JYPLS模型：

基于JYPLS的過(guò)程監(jiān)測(cè)操作步驟如下：

（1）采集B過(guò)程的樣本，選擇A過(guò)程的樣本，兩個(gè)過(guò)程的樣本分別進(jìn)行標(biāo)準(zhǔn)化。

（2）建立JYPLS模型，得到模型的參數(shù)。

（3）由模型和給定的顯著性水平算得T2、 SPEX、 SPEY控制限。

（4）采樣B過(guò)程的新樣本Xnew，按著B(niǎo)過(guò)程初始樣本的均值和方差進(jìn)行標(biāo)準(zhǔn)化。

（5）根據(jù)模型得到Xnew的T2、SPEX、SPEY的三個(gè)統(tǒng)計(jì)量值，并判斷是否超出相應(yīng)的控制限，若任意一個(gè)超出，則認(rèn)為是故障數(shù)據(jù)，否則為正常數(shù)據(jù)［7］。

1.2 基于JYPLS和局部模型的過(guò)程監(jiān)測(cè)

JYPLS是一種遷移學(xué)習(xí)的過(guò)程建模方法，用此方法可以克服新過(guò)程信息不足的問(wèn)題，而局部過(guò)程模型則立足于適應(yīng)新的過(guò)程特性［8，9］。

分解后得到需要選擇相似性操作的數(shù)據(jù)，如下式所示：

首先對(duì)AR的元素執(zhí)行k-means運(yùn)算，得到父數(shù)據(jù)塊及其聚類(lèi)中心。對(duì)于BR中的每一個(gè)元素，都執(zhí)行與父數(shù)據(jù)塊中心比較，從而得到最近距離的父數(shù)據(jù)塊，再?gòu)脑摂?shù)據(jù)塊以距離和角度結(jié)合的方法選擇最相似的數(shù)據(jù)。BR中的每一個(gè)元素選擇h個(gè)最相似的數(shù)據(jù)，最后得到h w×個(gè)A中Y樣本，再將A中對(duì)應(yīng)X中的樣本選出來(lái)［10，11］。

從A中選擇的 h w×個(gè)數(shù)據(jù)和B過(guò)程中w個(gè)數(shù)據(jù)為建立JYPLS局部模型的數(shù)據(jù)，求解JYPLS模型，得到B過(guò)程的模型參數(shù)，重新評(píng)價(jià)第一次判斷的故障點(diǎn)是否為故障，若是則報(bào)警，不是則認(rèn)為是過(guò)程的新特性數(shù)據(jù)，保留此數(shù)據(jù)。之后，局部模型保留作為B過(guò)程的監(jiān)測(cè)模型。

基于JYPLS和局部模型過(guò)程監(jiān)測(cè)有以下特點(diǎn)：

（1）綜合利用兩個(gè)相似過(guò)程的信息建立過(guò)程監(jiān)測(cè)模型，彌補(bǔ)了新過(guò)程信息數(shù)據(jù)的不足。

（2）通過(guò)建立局部模型適應(yīng)過(guò)程特性變化，克服過(guò)程的非線性、時(shí)變性和多工況的影響。

（3）建立局部模型時(shí)采用在隱變量空間以距離和角度為度量原則選擇相似數(shù)據(jù)進(jìn)行過(guò)程信息遷移，同時(shí)采用合理的選擇相似數(shù)據(jù)方式，為提高局部模型的準(zhǔn)確度提供了保障［12，13］。

2 仿真分析

本文以某選礦廠兩個(gè)系列的磨礦過(guò)程為背景，其中一個(gè)為已長(zhǎng)期投入運(yùn)行的過(guò)程，存在大量的正常運(yùn)行數(shù)據(jù)（舊過(guò)程）；另一個(gè)具有很少的數(shù)據(jù)（新過(guò)程），兩個(gè)過(guò)程盡管在生產(chǎn)規(guī)模、控制方案等形式上有一定差別，但總體上具有很大的相似性，舊過(guò)程的運(yùn)行信息可為新過(guò)程的運(yùn)行提供指導(dǎo)［14］。

本文選出10個(gè)能夠很好反映過(guò)程特性的變量，其中有4個(gè)輸出變量和6個(gè)輸入變量。對(duì)舊過(guò)程取不同時(shí)間段的過(guò)程正常運(yùn)行的數(shù)據(jù)共1312組；新過(guò)程取連續(xù)正常運(yùn)行一段時(shí)間的數(shù)據(jù)共400組數(shù)據(jù)，其中，100組數(shù)據(jù)作為初始數(shù)據(jù)，剩余300組數(shù)據(jù)用于驗(yàn)證過(guò)程監(jiān)測(cè)方法。

2.1 基于JYPLS方法的過(guò)程監(jiān)測(cè)仿真

首先，用新過(guò)程（B）的初始數(shù)據(jù)建立其PLS過(guò)程監(jiān)測(cè)模型，選取隱變量k=3，SPE中χ2分布取0.9的置信限， T2中F分布取0.9的控制限，對(duì)后續(xù)300個(gè)樣本的監(jiān)測(cè)效果如圖2.1所示。AR=28%的誤報(bào)率說(shuō)明PLS方法僅僅使用新過(guò)程的初始數(shù)據(jù)建模，由于新過(guò)程運(yùn)行數(shù)據(jù)信息的太少，建立的過(guò)程模型精度很低，直接導(dǎo)致過(guò)程監(jiān)測(cè)效果較差。

基于JYPLS的過(guò)程監(jiān)測(cè)方法采用了遷移技術(shù)，利用舊過(guò)程的數(shù)據(jù)和新過(guò)程初始的少量數(shù)據(jù)聯(lián)合建立模型，建模數(shù)據(jù)為：

根據(jù)經(jīng)驗(yàn)法確定隱變量個(gè)數(shù)為p=4，SPE中χ2分布和 T2中F分布取與PLS同樣的控制限，對(duì)新過(guò)程后續(xù)300個(gè)樣本的監(jiān)測(cè)效果如圖2.2所示，AR=7%的誤報(bào)率說(shuō)明在新過(guò)程數(shù)據(jù)較少的情況下，基于JYPLS的監(jiān)測(cè)方法可以改善監(jiān)測(cè)效果。

另外，將故障樣本加到300個(gè)正常樣本中第150個(gè)樣本后，然后對(duì)其實(shí)施監(jiān)測(cè)的效果如圖2.3所示，XSPE和YSPE都給出超過(guò)控制限報(bào)警，說(shuō)明基于JYPLS的監(jiān)測(cè)方法能夠準(zhǔn)確地監(jiān)測(cè)故障。

2.2 基于JYPLS和局部模型的過(guò)程監(jiān)測(cè)仿真

基于JYPLS和局部模型的過(guò)程監(jiān)測(cè)具體做法是：遇到故障點(diǎn)建立局部JYPLS模型時(shí)，首選k-means聚類(lèi)數(shù)目為5，以距離和角度度量相似性的方式對(duì)新過(guò)程1312個(gè)樣本執(zhí)行二階搜索，共選擇出100個(gè)樣本，然后與故障點(diǎn)前100個(gè)正常樣本建立局部JYPLS模型。利用此模型對(duì)新過(guò)程后續(xù)300個(gè)正常數(shù)據(jù)進(jìn)行監(jiān)測(cè)，效果如圖2.4所示。其中，模型共更新了3次，誤報(bào)率AR=1%，低于單純的JYPLS的過(guò)程監(jiān)測(cè)誤報(bào)率AR=7%。

對(duì)于磨礦過(guò)程運(yùn)行中出現(xiàn)皮帶稱重減少的故障，將此故障樣本加到300個(gè)正常樣本中第150個(gè)后處，然后對(duì)其實(shí)施監(jiān)測(cè)仿真，故障能夠準(zhǔn)確地判斷出來(lái)，效果如圖2.5所示。

3 結(jié)語(yǔ)

本文重點(diǎn)研究了JYPLS過(guò)程信息遷移技術(shù)在過(guò)程監(jiān)測(cè)方面的應(yīng)用問(wèn)題。研究結(jié)果表明，基于JYPLS的過(guò)程監(jiān)測(cè)方法通過(guò)提取相似過(guò)程的相似信息和遷移學(xué)習(xí)，可以解決缺少運(yùn)行數(shù)據(jù)的一類(lèi)新過(guò)程的建模和過(guò)程監(jiān)測(cè)問(wèn)題；采用JYPLS和局部模型相結(jié)合的策略可以有效地減少過(guò)程時(shí)變對(duì)過(guò)程監(jiān)測(cè)效果的影響。

參考文獻(xiàn)：

［1］劉強(qiáng)，柴天佑，秦泗釗，等. 基于數(shù)據(jù)和知識(shí)的工業(yè)過(guò)程監(jiān)視及故障診斷綜述［J］.控制與決策，2010，25（6）：801-807.

［2］李榮雨.基于 PCA 的統(tǒng)計(jì)過(guò)程監(jiān)控研究［D］.杭州：浙江大學(xué)，2007.

［3］García Mu oz S， MacGregor J F， Kourti T. Product transfer between sites using Joint-Y PLS［J］， Chemometrics and intelligent laboratory systems， 2005， 79（1）：101-114.

［4］Jaeckle C M， MacGregor J F. Product transfer between plants using historical process data［J］， AIChE journal， 2000， 46（10）：1989-1997.

［5］Lu J， Yao Y， Gao F. Model migration for development of a new process model［J］， Industrial & Engineering Chemistry Research，2008， 48（21）： 9603-9610.

［6］Lu J， Yao K， Gao F. Process similarity and developing new process models through migration［J］， AIChE Journal， 2009， 55 （9）： 2318-2328.

［7］Facco P， Tomba E， Bezzo F， et al. Transfer of process monitoring models between different plants using latent variable techniques［J］， Industrial & Engineering Chemistry Research，2012， 51（21）： 7327-7339.

［8］Tomba E， Facco P， Bezzo F， et al. Combining fundamental knowledge and latent variable techniques to transfer process monitoring models between plants［J］， Chemometrics and Intelligent Laboratory Systems， 2012.

［9］García-Mu oz S， Zhang L， Cortese ［M］， Root cause analysis during process development using Joint-Y PLS［J］， Chemometrics and Intelligent Laboratory Systems， 2009， 95（1）： 101-105.

［10］Ni W， Tan S K， Ng W J， et al. Localized， adaptive recursive partial least squares regression for dynamic system modeling ［J］， Industrial & Engineering Chemistry Research， 2012， 51（23）：8025-8039.

［11］Ge Z， Song Z. Online monitoring of nonlinear multiple mode processes based on adaptive local model approach［J］，Control Engineering Practice， 2008， 16（12）： 1427-1437.

［12］Kano M， Sakata T， Hasebe S. Just-In-Time Statistical Process Control： Adaptive Monitoring of Vinyl Acetate Monomer Process［C］//The 18th IFAC World Congress. 2011： 13157-13162.

［13］Ottavian M， Facco P， Fasolato L， et al. Multispectral data classification using similarity factors［J］， Chemometrics and Intelligent Laboratory Systems， 2012.

［14］肖慶飛，段希祥.磨礦過(guò)程中應(yīng)注意的問(wèn)題分析及對(duì)策研討［J］.礦產(chǎn)綜合利用，2006，4：30-33.

收稿日期：2007-05-24

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（50704012），遼寧省博士啟動(dòng)基金資助項(xiàng)目（20061017）。

作者簡(jiǎn)介：祖國(guó)胤（1977-），男，黑龍江齊齊哈爾人，東北大學(xué)講師，博士； 于九明（1944-），男，河北灤縣人，東北大學(xué)教授.

【Abstract】Process monitoring is a very improtant measures to ensure production safety and operation stable ， Based on the new production process of the early operation of monitoring problem coping strategies are put forward. First， in view of the shortage of operating data in the process of modeling， using a similar process operating data make up for the new process information is insufficient， JYPLS information migration method is adopted to establish the new process monitoring model. After the JYPLS information transfer method and the strategy of combination of local model， solve the problem of time-varying model caused by the new process is allowed to. In this paper， we use a mill grinding production process data in simulation experiment， the simulation results verify the validity and practicability of the method proposed in this paper.

【Keywords】Information transfer； Process monitor； EPCA； JYPLS