[发明专利]一种基于时序多块建模策略的化工过程监测方法

说明书

本发明公开一种基于时序多块建模策略的化工过程监测方法，旨在建立多块化建模与动态过程监测的一体化实施框架，从而实施行之有效的动态过程监测。与传统动态过程建模思路不同的是，本发明方法首先按照时间序列采样节点，将增广矩阵或向量分成多个变量块；然后，利用广义典型相关分析的思想，为各个变量子块优化出一个投影变换基，从而提取变量块之间的交叉相关性，即可提现时间序列上的自相关特征。为了将多模型的监测指标给出的结果实施综合考量，本发明方法还使用了综合性的监测指标，分别监测动态与静态得分信息的变化。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更优越的化工过程动态监测方法。

技术领域

本发明涉及一种数据驱动的过程监测方法，尤其涉及一种基于时序多块建模策略的化工过程监测方法。

背景技术

由于现代化工工业广泛使用计算机辅助系统，过程对象可以离线存储与在线实时测量海量的采样数据，这些数据中蕴含着能体现生产过程运行状态的潜在有用信息。因此，如何充分而有效地利用采样数据实施过程运行状态的监测体现了现代化工过程的数字化管理的水准。近十几年来，无论是学术界还是工业界，都投入了大量的人力与物力研究数据驱动的过程监测技术。这其中，统计过程监测是被研究得最多的方法技术，主元分析(Principal Component Analysis，缩写：PCA)与独立元分析(Independent ComponentAnalysis，缩写：ICA)为最主流的实施技术手段。

由于计算机能力的提升以及先进测量仪表的广泛应用，化工过程采样数据不可避免的存在序列自相关性，因此动态过程监测技术比传统静态的更适用。通常来讲，序列自相关性与交叉相关性都是采样数据的自身具备的通用特征，两者在数据建模与特征提取时，都必须予以充分的考虑。在现有文献与专利材料中，实施动态过程监测大多依赖于为各个采样数据引入延时测量数据，即将多个在采样时间上连续的样本数据当成一个样本，然后再实施建模与监测。这种方法技术是将序列自相关性与交叉相关性混合在一起同时提取。最近，也有研究工作提出通过最大化自相关性指标的方式，引导采样数据的潜在特征的挖掘，而不依赖于使用增广向量或矩阵。

另一方面，现代工业过程规模逐步朝着大规模方向发展，基于多块建模策略的分散式过程监测方法受到研究人员们的青睐。一般而言，多块化的建模策略能极大的简化模型复杂度，有利于从数据角度对过程进行分析。与此同时，也有在分散式过程监测中进一步考虑动态监测问题，从而实施更全面的分散式动态过程监测。然而，却鲜有构建一个能将多块化建模与动态过程监测统一起来的实施框架。从实施多块化建模的角度出发看，第一步需要对采样变量进行分块化处理。而将多个在采样时间上连续的样本数据当成一个样本的操作，则刚好是将多个变量块集合成一个整体的反向操作。因此，若是将增广向量按照时间序列采样时间分成多个块，即可按照多块化的建模策略，实施分散式的建模与监测。但是，值得强调的是，这时候多个变量块之间的相关性也就是动态过程监测中需要考虑到的序列自相关性。

因此，若想将多块建模策略与动态过程监测真正的当成一个整体框架来实施，在实施多块建模时还得考虑到时间序列变量块之间的相关性。除此之外，不涉及时间序列多块之间相关性的特征即表征了各变量块的独特性特征，这在建模时也需要进一步考虑的。

发明内容

本发明所要解决的主要技术问题是：如何建立多块化建模与动态过程监测的一体化实施框架，从而实施行之有效的动态过程监测。具体来讲，本发明方法首先按照时间序列采样节点，将增广矩阵或向量分成多个变量块；然后，利用广义典型相关分析的思想，为各个变量子块优化出一个投影变换基，从而提取变量块之间的交叉相关性，即可提现时间序列上的自相关特征。最后，基于此即可实施对化工过程对象的动态过程监测。

本发明解决上述技术问题所采用的技术方案为：一种基于时序多块建模策略的化工过程监测方法，包括以下所示步骤：