[发明专利]一种基于过程迁移模型的间歇过程最优补偿控制策略

摘要

一种基于过程迁移模型的新间歇过程最优补偿控制策略，获取A、B两个相似过程数据，并建立过程迁移模型；构建基于过程迁移模型的优化问题，求取初始最优解；设置查询点、计算查询数据与历史数据的相似性；获取相似过程中所选数据的输入、输出偏差数据得到最优补偿值；计算预测性能指标偏差；更新新批次过程的建模数据集；计算第K批次最新预测误差及其第一、第二个置信区间；根据预测误差确定是否进行数据剔除、过程迁移；更新信赖域半径。过程迁移模型能有效解决新间歇过程因数据不足而难以建模的问题；该最优补偿控制策略能对求解新间歇过程优化问题的次优解进行补偿，并通过在线数据实时更新模型来补偿模型对象的不匹配。

主权项

1.一种基于过程迁移模型的间歇过程最优补偿控制策略，其特征在于，利用两个相似间歇生产过程中A和B的数据建立过程迁移模型，具体包括以下步骤：步骤1：展开二维数据矩阵以获得A生产过程输入、输出变量矩阵X_a、Y_a，B生产过程输入、输出变量矩阵X_b、Y_b；其中，X_a为A生产过程输入变量矩阵；X_b为B生产过程输入变量矩阵；Y_a为A生产过程输出变量矩阵；Y_b为B生产过程输出变量矩阵；步骤2：分别根据各自的均值和方差对A生产过程和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；步骤3：根据公式(1)构造优化问题并求解B生产过程最优解x_b(k)^*：其中，k表示第k个间歇生产过程；λ₁是软约束的权重系数；T²统计量是软约束；x_L和x_U分别是操作变量的最小值和最大值；步骤4：将x_b(k)^*设置为查询数据x_q，并根据公式(2)分别计算A生产过程、B生产过程历史数据和查询数据之间的相似性s(x_a,x_q)、s(x_b,x_q)：其中，λ∈[0,1]是权重参数；d(x_q,x_i)是x_q和x_i之间的欧式距离；θ_i表示x_q和Δx_i之间的角度；步骤5：根据相似性从原始数据集中选择A生产过程的n个最相关数据和B生产过程中m个最相关数据；步骤6：分别计算所选数据与查询数据x_q和它的质量输出指标之间的偏差，即(x_a,y_a)和(x_b,y_b)与之间的偏差，分别得到A生产过程的n批输入、输出偏差数据(Δx_a,Δy_a)和B生产过程的m批输入、输出偏差数据(Δx_b,Δy_b)；其中，Δx_a为生产过程A操作变量的补偿值；Δx_b为生产过程B操作变量的补偿值；步骤7：根据公式(3)求解优化目标函数，得到x_b(k)^*的最优补偿值Δx_b(k)^*：其中，T²_local统计量是软约束；λ_local是软约束的权重系数；D为信任区域半径；步骤8：根据公式(4)对最终最优解x_b(k)^*+Δx_b(k)^*进行滤波，得到重新调整后的操纵变量x_b(k)，并根据公式(5)利用第k‑1批次和第k批次的输入、输出数据来计算预测的性能指标偏差ΔP_pred：其中，I为单位矩阵；W为对角增益矩阵；步骤9：如公式(6)中所示，如果预测的性能指数衰减率τ大于优化终止阈值η，然后使用最新的重新调整后的操纵变量x_b(k)来运行第k个间歇生产过程；如果性能指数衰减率τ小于阈值η，则第k批次优化失败，并使用先前批次即第k‑1批次的操作变量x_b(k‑1)来运行第k个间歇过程，即x_b(k)＝x_b(k‑1)。步骤10：当第k批次运行完成后，收集新的数据并使用操纵变量x_b(k)和最新的产品质量y_b(k)来更新B生产过程中的建模数据集；步骤11：用历史误差δ_k‑1来计算第k批次的最新预测误差δ_k和其第一个置信区间其中，是误差平均值；σ是标准差；z是误差的方差；α₁是显著性水平；步骤12：如果h个连续批次的预测误差δ_k～k+h落在其第一置信区间内，则消除A生产过程中相似性最小的若干批次数据，否则，无需进行数据的消除；步骤13：根据公式(7)计算实际性能指标偏差ΔP_real，并根据以下准则更新D：如果ΔP_real<ΔP_pred,D_k+1＝β||Δx_b(k)^*||.如果ΔP_real>ΔP_pred且D_k+1＝||Δx_b(k)^*||,D_k+1＝γD_k.否则，D_k+1＝D_k.其中，β、γ都是权重参数ΔP_real＝P(x_b(k‑1),y_b(k‑1))‑p(x_b(k),y_b(k))    (7)；步骤14：用历史误差δ_k‑1计算第k批次的第二置信区间步骤15：如果h个连续批次的预测误差δ_k～k+h落在其第二置信区间内，且A生产过程中数据量小于原始数据量的三分之一，则停止迁移过程并通过普通模型来代替过程迁移模型；否则，让k＝k+1，返回步骤1。