一種基于核偏最小二乘模型的數據預測方法及裝置制造方法及圖紙

本發(fā)明專利技術實施例公開了一種基于核偏最小二乘模型的數據預測方法及裝置，核偏最小二乘KPLS模型中的核函數為多維張量積小波核函數，利用在線獲得的采樣數據的均值和方差對采樣數據進行標準化處理，得到標準化采樣數據；利用多維張量積小波核函數計算標準化采樣數據對應的核矩陣；對核矩陣進行中心化處理，得到中心化處理后的核矩陣；將中心化處理后的核矩陣輸入KPLS模型；利用KPLS模型，得到采樣數據對應的質量變量預測值。本發(fā)明專利技術實施例中由于KPLS模型中的核函數采用多維張量積小波核函數，使得KPLS模型具有較強的非線性映射能力，從而能準確計算得到質量變量預測值。從而能準確計算得到質量變量預測值。從而能準確計算得到質量變量預測值。

【技術實現步驟摘要】
一種基于核偏最小二乘模型的數據預測方法及裝置


[0001]本專利技術涉及數據處理領域，更具體的說，涉及一種基于核偏最小二乘模型的數據預測方法及裝置。

技術介紹

[0002]目前，在工業(yè)企業(yè)的生產過程中需要采集過程數據，很多數據收集之后只是做可視化展示，并未深入挖掘其效能，其中一個很重要的原因是因為工業(yè)生產是一個連續(xù)性的生產過程，每道工序均有上下銜接的流程，有工藝關聯、設備性能關聯、工況關聯等，存在大量的關聯性數據，一般均包含多變量耦合、高度非線性、時變性等特征，并不是簡單的服從正態(tài)分布，因此在生產過程中采集到的過程數據無法對生產過程的質量進行有效的預測。

技術實現思路

[0003]有鑒于此，本專利技術實施例公開一種基于核偏最小二乘模型的數據預測方法及裝置，實現對生產過程的質量進行有效的預測。
[0004]本專利技術實施例提供的技術方案如下：
[0005]本專利技術實施例第一方面提供了一種基于核偏最小二乘模型的數據預測方法，所述核偏最小二乘KPLS模型中的核函數為多維張量積小波核函數，所述方法包括：
[0006]利用在線獲得的采樣數據的均值和方差對所述采樣數據進行標準化處理，得到標準化采樣數據；
[0007]利用所述多維張量積小波核函數計算所述標準化采樣數據對應的第一核矩陣；
[0008]對所述第一核矩陣進行中心化處理，得到中心化處理后的第一核矩陣；
[0009]將所述中心化處理后的第一核矩陣輸入所述KPLS模型；
[0010]利用所述KPLS模型，得到所述采樣數據對應的第一質量變量預測值。
[0011]在一種可能的實現方式中，所述方法還包括：
[0012]利用所述第一質量變量預測值的均值和方差，計算得到所述采樣數據對應的第一質量變量實際值。
[0013]在一種可能的實現方式中，所述方法還包括：
[0014]計算所述采樣數據對應的霍特林T2統(tǒng)計量和平方預測誤差SPE統(tǒng)計量；
[0015]判斷所述采樣數據對應的T2統(tǒng)計量是否超出所述KPLS模型的T2統(tǒng)計量控制限；
[0016]判斷所述采樣數據對應的SPE統(tǒng)計量是否超出所述KPLS模型的SPE統(tǒng)計量控制限；
[0017]若所述采樣數據對應的T2統(tǒng)計量超出所述T2統(tǒng)計量控制限，和/或所述采樣數據對應的SPE統(tǒng)計量超出所述SPE統(tǒng)計量控制限，則確定所述采樣數據對應的生產過程存在故障。
[0018]在一種可能的實現方式中，所述方法還包括：
[0019]建立所述KPLS模型；
[0020]所述建立所述KPLS模型，包括：
[0021]利用訓練數據的均值和方差對所述訓練數據進行標準化處理，得到標準化訓練數據；
[0022]利用所述多維張量積小波核函數計算所述標準化訓練數據對應的第二核矩陣；
[0023]對所述第二核矩陣進行中心化處理，得到中心化后的第二核矩陣；
[0024]利用KPLS算法和中心化后的第二核矩陣，計算得到輸入變量的第一得分矩陣和輸出變量的第二得分矩陣；
[0025]利用所述第一得分矩陣和所述第二得分矩陣，計算得到回歸系數矩陣；
[0026]利用所述回歸系數矩陣計算所述訓練數據對應的第二質量變量預測值；
[0027]利用所述第二質量變量預測值的均值和方差，計算得到所述訓練數據對應的第二質量變量實際值；
[0028]計算所述訓練數據對應的T2統(tǒng)計量和SPE統(tǒng)計量；
[0029]根據所述訓練數據對應的T2統(tǒng)計量的分布確定所述KPLS模型的T2統(tǒng)計量控制限；
[0030]根據所述訓練數據對應的SPE統(tǒng)計量的分布確定所述KPLS模型的SPE統(tǒng)計量控制限。
[0031]在一種可能的實現方式中，所述多維張量積小波核函數為滿足拉氏變換的支持向量核函數；
[0032]其中，所述k表示核函數，所述σ表示伸縮因子，所述K表示核矩陣中的數據點，所述K表示為(x，z)，所述x和所述y表示K(x,z)中的測量值。
[0033]在一種可能的實現方式中，所述多維張量積小波核函數的任意一維的輸出表達式為：
[0034][0035]其中，所述ω表示核函數的角速度，所述C表示常數，所述L表示拉普拉斯變換，所述表示回歸系數矩陣中第s列的矢量中的第i個元素，所述s＝1,2,
…
,M，所述k表示核函數，所述(x,z)表示數據點。
[0036]在一種可能的實現方式中，所述KPLS模型滿足如下公式：
[0037][0038]其中，所述ε
i
表示第i點的松弛變量，所述表示第i點的松弛變量的預估值，所述μ
i
表示第i點的拉格朗日乘子，所述表示第i點的拉格朗日乘子的預估值，所述表示第i個訓練數據的第j個分量，所述表示第i個訓練數據的第j個分量的預估值，所述表示表示回歸系數矩陣中第s列的矢量中的第i個元素的預估值。
[0039]在一種可能的實現方式中，所述T2統(tǒng)計量滿足如下公式：
[0040]T2＝[t1,t2,
…
,t
A
]Λ
?1[t1,t2,
…
,t
A
]T
；
[0041]其中，所述Λ
?1表示主元協(xié)方差矩陣的逆矩陣，所述A表示所提取的輸入變量X的主
元的個數，所述T＝[t1,t2,
…
,t
A
]表示輸入變量X的得分矩陣；
[0042]所述SPE統(tǒng)計量滿足如下公式：
[0043][0044]其中，所述KPLS模型將數據從低維空間映射到高維空間，t
i
和t
j
對應映射后的數據坐標。
[0045]在一種可能的實現方式中，所述T2統(tǒng)計量控制限滿足：
[0046][0047]其中，N表示為輸入變量X的變量數目，F
A,N
?
A,α
表示為A至N
?
A個自由度，置信度為α的F分布值；
[0048]所述SPE統(tǒng)計量控制限滿足：
[0049][0050]其中，g表示為常數，h表示為χ2分布的自由度，g
k
＝ν
k
/2m
k
，v
k
表示為k時刻的SPE統(tǒng)計量的均值，m
k
表示為k時刻SPE統(tǒng)計量的方差。
[0051]本申請第二方面提供了一種基于核偏最小二乘模型的數據預測裝置，所述核偏最小二乘KPLS模型中的核函數為多維張量積小波核函數，所述裝置包括：
[0052]標準化單元，用于利用在線獲得的采樣數據的均值和方差將所述采樣數據進行標準化處理，得到標準化采樣數據；
[0053]第一計算單元，用于利用所述多維張量積小波核函數計算所述標準化采樣數據對應的第一核矩陣；
[0054]中心化單元，用于對所述第一核矩陣進行中心化處理，得到中心化處理本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于核偏最小二乘模型的數據預測方法，其特征在于，所述核偏最小二乘KPLS模型中的核函數為多維張量積小波核函數，所述方法包括：利用在線獲得的采樣數據的均值和方差對所述采樣數據進行標準化處理，得到標準化采樣數據；利用所述多維張量積小波核函數計算所述標準化采樣數據對應的第一核矩陣；對所述第一核矩陣進行中心化處理，得到中心化處理后的第一核矩陣；將所述中心化處理后的第一核矩陣輸入所述KPLS模型；利用所述KPLS模型，得到所述采樣數據對應的第一質量變量預測值。2.根據權利要求1所述的方法，其特征在于，所述方法還包括：利用所述第一質量變量預測值的均值和方差，計算得到所述采樣數據對應的第一質量變量實際值。3.根據權利要求1所述的方法，其特征在于，所述方法還包括：計算所述采樣數據對應的霍特林T2統(tǒng)計量和平方預測誤差SPE統(tǒng)計量；判斷所述采樣數據對應的T2統(tǒng)計量是否超出所述KPLS模型的T2統(tǒng)計量控制限；判斷所述采樣數據對應的SPE統(tǒng)計量是否超出所述KPLS模型的SPE統(tǒng)計量控制限；若所述采樣數據對應的T2統(tǒng)計量超出所述T2統(tǒng)計量控制限，和/或所述采樣數據對應的SPE統(tǒng)計量超出所述SPE統(tǒng)計量控制限，則確定所述采樣數據對應的生產過程存在故障。4.根據權利要求1所述的方法，其特征在于，所述方法還包括：建立所述KPLS模型；所述建立所述KPLS模型，包括：利用訓練數據的均值和方差對所述訓練數據進行標準化處理，得到標準化訓練數據；利用所述多維張量積小波核函數計算所述標準化訓練數據對應的第二核矩陣；對所述第二核矩陣進行中心化處理，得到中心化后的第二核矩陣；利用KPLS算法和中心化后的第二核矩陣，計算得到輸入變量的第一得分矩陣和輸出變量的第二得分矩陣；利用所述第一得分矩陣和所述第二得分矩陣，計算得到回歸系數矩陣；利用所述回歸系數矩陣計算所述訓練數據對應的第二質量變量預測值；利用所述第二質量變量預測值的均值和方差，計算得到所述訓練數據對應的第二質量變量實際值；計算所述訓練數據對應的T2統(tǒng)計量和SPE統(tǒng)計量；根據所述訓練數據對應的T2統(tǒng)計量的分布確定所述KPLS模型的T2統(tǒng)計量控制限；根據所述訓練數據對應的SPE統(tǒng)計量的分布確定所述KPLS模型的SPE統(tǒng)計量控制限。5.根據權利要求1所述的方法，其特征在于，所述多維張量積小波核函數為滿足拉氏變換的支持向量核函數；其中，所述k表示核函數，所述σ表示伸縮因子，所述K表示核矩陣中的數據點，所述K表示為(x，z)，所述x和所述y表示K(x,z)中的測量值。6.根據權利要求1所述的方法，其特征在于，所述多維張量積小波核函數的任意一維的
輸出表達式為：其中，所述ω表示核函數的角速度，所述C表示常數，所述L表示拉普拉斯變換，所述表示回歸系數矩陣中第s列的矢量中的第...

【專利技術屬性】
技術研發(fā)人員：黃振林，劉俊杰，劉金濤，鄒波，
申請(專利權)人：北京和利時數字技術有限公司，
類型：發(fā)明
國別省市：