一种带有模型更新机制的JITL-MPLS故障监测方法

• 作者: 张亚堃 曹彩霞 李亚芬 王普 高学金
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 即时学习(JITL) 多向偏最小二乘(MPLS) 模型更新 信息熵 马氏距离 故障监测
• 年，卷（期）: 2018,（6）
• 页码范围: 457-468
• 页数: 12页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.16866/j.com.app.chem201806004

摘要

发酵过程具有时变性、动态性和多阶段性的特点,对其进行故障监测主要采用离线建模方式,但这种方法并不能很好地反映当前生产过程的数据特征.近年来有学者使用即时学习(Just in Time Learning,JITL)在线建模策略来建立精确的在线模型并进行故障监测,但是即时学习在线建模策略存在着模型更新频繁、计算量大的问题.本文提出一种带有模型更新机制的即时学习多向偏最小二乘(JITL-MPLS)的故障监测方法:依据马氏距离相似度,选择相似历史样本建立多向偏最小二乘监测模型;而后通过对比上一时刻的质量测量值和当前时刻的质量预测值的差值是否超限来判断模型是否需要更新,当其差值没有超限,即上一时刻监测模型能够表征当前时刻的数据特征,不更新模型,而是继续沿用,否则更新模型.最后将此方法应用于青霉素发酵仿真系统的在线监测,验证了该方法的有效性.