苑瑋琦 鄧陽（沈陽工業(yè)大學，遼寧沈陽 110870）

?

基于JYPLS和局部模型技術的過程監(jiān)測

苑瑋琦 鄧陽
（沈陽工業(yè)大學，遼寧沈陽 110870）

【摘要】過程監(jiān)測是保證生產安全、穩(wěn)定運行的一個非常重要的措施，本文針對新的生產過程投運初期的過程監(jiān)測問題提出應對策略。首先，針對過程建模缺少運行數據的問題，利用相似過程的運行數據彌補新過程信息不足，采用JYPLS信息遷移的方法建立新過程的監(jiān)測模型。之后，采用JYPLS信息遷移方法與局部模型相結合的策略，解決新過程時變性引起的模型不準問題。文中利用某選廠磨礦生產過程數據進行仿真實驗，仿真結果驗證出了本文提出的方法的有效性和實用性。

【關鍵詞】信息遷移 過程監(jiān)測 EPCA JYPLS

基于數據驅動的過程監(jiān)測方法是解決具有復雜性和不確定性特點的工業(yè)過程監(jiān)測問題的一種方便、實用的做法［1，2］。但是，對于一個缺少運行數據的新的過程而言，現有的數據驅動過程監(jiān)測方法難以適用。對此，本文利用JYPLS信息遷移技術建立監(jiān)測過程模型，其中JYPLS方法最初由產品生產設計問題提出［4］，并應用于模型移植等方面［5，6］。另外，針對過程時變性常常導致過程監(jiān)測效果的不穩(wěn)定或無法使用的問題，本文提出基于JYPLS和局部模型的過程監(jiān)測方法，并利用某選廠磨礦過程運行數據進行過程監(jiān)測仿真，仿真結果驗證了本文提出方法的有效性和實用性。

圖2.1 PLS對正常樣本監(jiān)測結果

圖2.2 JYPLS對正常樣本監(jiān)測結果

1 基于JYPLS過程監(jiān)測

1.1 基于JYPLS的過程監(jiān)測

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

圖2.3 JYPLS對故障樣本監(jiān)測結果

圖2.4 JYPLS和局部模型對正常樣本監(jiān)測結果

圖2.5 JYPLS和局部模型對故障樣本監(jiān)測結果

對增廣矩陣在一個載荷空間內降維，提取隱變量，用數據的協(xié)方差結構表征新舊兩個過程的相似性信息，通過組成增廣矩陣能夠將那一部分相似的結構信息反映在一個載荷空間上，同時對于每一個過程建立PLS模型，這樣既利用了兩個過程相似的信息又利用了過程內變量相關的信息。

A過程的數據為AX、AY， B過程的數據為BX、BY，建立JYPLS模型：

基于JYPLS的過程監(jiān)測操作步驟如下：

（1）采集B過程的樣本，選擇A過程的樣本，兩個過程的樣本分別進行標準化。

（2）建立JYPLS模型，得到模型的參數。

（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過程的新樣本Xnew，按著B過程初始樣本的均值和方差進行標準化。

（5）根據模型得到Xnew的T2、SPEX、SPEY的三個統(tǒng)計量值，并判斷是否超出相應的控制限，若任意一個超出，則認為是故障數據，否則為正常數據［7］。

1.2 基于JYPLS和局部模型的過程監(jiān)測

JYPLS是一種遷移學習的過程建模方法，用此方法可以克服新過程信息不足的問題，而局部過程模型則立足于適應新的過程特性［8，9］。

分解后得到需要選擇相似性操作的數據，如下式所示：

首先對AR的元素執(zhí)行k-means運算，得到父數據塊及其聚類中心。對于BR中的每一個元素，都執(zhí)行與父數據塊中心比較，從而得到最近距離的父數據塊，再從該數據塊以距離和角度結合的方法選擇最相似的數據。BR中的每一個元素選擇h個最相似的數據，最后得到h w×個A中Y樣本，再將A中對應X中的樣本選出來［10，11］。

從A中選擇的 h w×個數據和B過程中w個數據為建立JYPLS局部模型的數據，求解JYPLS模型，得到B過程的模型參數，重新評價第一次判斷的故障點是否為故障，若是則報警，不是則認為是過程的新特性數據，保留此數據。之后，局部模型保留作為B過程的監(jiān)測模型。

基于JYPLS和局部模型過程監(jiān)測有以下特點：

（1）綜合利用兩個相似過程的信息建立過程監(jiān)測模型，彌補了新過程信息數據的不足。

（2）通過建立局部模型適應過程特性變化，克服過程的非線性、時變性和多工況的影響。

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

2 仿真分析

本文以某選礦廠兩個系列的磨礦過程為背景，其中一個為已長期投入運行的過程，存在大量的正常運行數據（舊過程）；另一個具有很少的數據（新過程），兩個過程盡管在生產規(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，舊過程的運行信息可為新過程的運行提供指導［14］。

本文選出10個能夠很好反映過程特性的變量，其中有4個輸出變量和6個輸入變量。對舊過程取不同時間段的過程正常運行的數據共1312組；新過程取連續(xù)正常運行一段時間的數據共400組數據，其中，100組數據作為初始數據，剩余300組數據用于驗證過程監(jiān)測方法。

2.1 基于JYPLS方法的過程監(jiān)測仿真

首先，用新過程（B）的初始數據建立其PLS過程監(jiān)測模型，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，對后續(xù)300個樣本的監(jiān)測效果如圖2.1所示。AR=28%的誤報率說明PLS方法僅僅使用新過程的初始數據建模，由于新過程運行數據信息的太少，建立的過程模型精度很低，直接導致過程監(jiān)測效果較差。

基于JYPLS的過程監(jiān)測方法采用了遷移技術，利用舊過程的數據和新過程初始的少量數據聯(lián)合建立模型，建模數據為：

根據經驗法確定隱變量個數為p=4，SPE中χ2分布和 T2中F分布取與PLS同樣的控制限，對新過程后續(xù)300個樣本的監(jiān)測效果如圖2.2所示，AR=7%的誤報率說明在新過程數據較少的情況下，基于JYPLS的監(jiān)測方法可以改善監(jiān)測效果。

另外，將故障樣本加到300個正常樣本中第150個樣本后，然后對其實施監(jiān)測的效果如圖2.3所示，XSPE和YSPE都給出超過控制限報警，說明基于JYPLS的監(jiān)測方法能夠準確地監(jiān)測故障。

2.2 基于JYPLS和局部模型的過程監(jiān)測仿真

基于JYPLS和局部模型的過程監(jiān)測具體做法是：遇到故障點建立局部JYPLS模型時，首選k-means聚類數目為5，以距離和角度度量相似性的方式對新過程1312個樣本執(zhí)行二階搜索，共選擇出100個樣本，然后與故障點前100個正常樣本建立局部JYPLS模型。利用此模型對新過程后續(xù)300個正常數據進行監(jiān)測，效果如圖2.4所示。其中，模型共更新了3次，誤報率AR=1%，低于單純的JYPLS的過程監(jiān)測誤報率AR=7%。

對于磨礦過程運行中出現皮帶稱重減少的故障，將此故障樣本加到300個正常樣本中第150個后處，然后對其實施監(jiān)測仿真，故障能夠準確地判斷出來，效果如圖2.5所示。

3 結語

本文重點研究了JYPLS過程信息遷移技術在過程監(jiān)測方面的應用問題。研究結果表明，基于JYPLS的過程監(jiān)測方法通過提取相似過程的相似信息和遷移學習，可以解決缺少運行數據的一類新過程的建模和過程監(jiān)測問題；采用JYPLS和局部模型相結合的策略可以有效地減少過程時變對過程監(jiān)測效果的影響。

參考文獻：

［1］劉強，柴天佑，秦泗釗，等. 基于數據和知識的工業(yè)過程監(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)計過程監(jiān)控研究［D］.杭州：浙江大學，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.磨礦過程中應注意的問題分析及對策研討［J］.礦產綜合利用，2006，4：30-33.

收稿日期：2007-05-24

基金項目：國家自然科學基金資助項目（50704012），遼寧省博士啟動基金資助項目（20061017）。

作者簡介：祖國胤（1977-），男，黑龍江齊齊哈爾人，東北大學講師，博士； 于九明（1944-），男，河北灤縣人，東北大學教授.

【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