一种由数据差异驱动的间歇过程自学习动态优化方法

摘要

本发明公布了一种由数据差异驱动的间歇过程自学习动态优化方法，包括离线采集生产过程数据，PCA运算剔除奇异批次，构造时段和指标方差矩阵进行PLS运算生成初始优化策略，采集新批次数据，运行递归算法，更新优化策略等步骤。本发明利用摄动法建立优化变量设定曲线的初始优化策略。在此基础之上，基于数据统计差异量对均值和标准差进行自学习迭代更新，实现优化指标的持续改进，为解决实际工业问题的间歇过程优化策略提供了新的方法。本发明完全基于生产过程的操作数据，不需要过程机理的先验知识和机理模型。适用于包括间歇反应器、间歇精馏塔、间歇干燥、间歇发酵，间歇结晶及其它采用间歇方式操作的过程和系统的操作轨线动态优化。