基于核熵投影的CPLS间歇过程监测及质量预测 Monitoring and Quality Prediction of CPLS Batch Process Based on Kernel Entropy Projection

针对间歇过程的非线性、多模态特性以及质量预测问题，提出多向高斯混合模型-并发核熵潜结构投影（multi-way Gaussian mixture model-concurrent kernel entropy projection to latent structures，MGMM-CKEPLS）算法。首先根据核熵投影将低维非线性数据映射到高维核特征空间，通过Renyi熵贡献的大小选取主元，降低了主元数，克服了传统核方法计算负荷大的问题；然后通过高斯混合模型（GMM）获取每一模态数据，分别对不同模态的样本数建立并发潜结构投影（CPLS）模型，由于考虑了各个模态过程的不同特征，更符合实际间歇过程数据特性；最后通过各模态权值系数集成统一的监控统计量，实现在线监测和质量预测。通过青霉素发酵过程验证了所提算法比MKPLS算法具有更好的在线监控效果，质量预测精度更高。