基于改进混合高斯模型的碱性电解水还原氢状态监测方法

专利主权项内容

1.一种基于改进混合高斯模型的碱性电解水还原氢状态监测方法，包括以下步骤：步骤一，采集电解水制造氢过程中的生产数据，一个时刻的生产数据X称为一条生产数据，总共有T条生产数据；t步骤二，构建基于多层混合高斯模型的生成模型：设定网络层数为K，第k, 1≤i≤K层网络的节点数为i，每一层网络对应一个混合高斯模型，第k层网络的混合高斯模型包括i个高斯分布，即每个节点对应一个高斯分布，每个混合高斯模型中各高斯分布的初始权重相等；随着网络层数的增加，每层网络中的节点数递减；kk针对生成模型中的第一个混合高斯模型：将生产数据进行聚类、平稳数据判断、多维数据降维后，得到i个主成分数据根据i个主成分数据/>得到i组均值、协方差，将i组均值、协方差分别作为第一层混合高斯模型中i个高斯分布的初始参数；11111针对生成模型中的第k, 2≤k≤K个混合高斯模型，对第k-1个混合高斯模型中的i个主成分数据进行聚类、平稳数据判断、多维数据降维后，得到i个主成分数据/>根据i个主成分数据Z得到i组均值、协方差，将i组均值、协方差分别作为第k个混合高斯模型中i个高斯分布的初始参数；k-1kkkkkk通过期望最大化算法更新各个混合高斯模型的参数，直至混合高斯模型收敛；此时，对于每条生产数据X，生成模型中的每个混合高斯模型输出一个类别，共输出K个类别，记为类别组t步骤三，根据时序特性进行状态划分：按照对产氢量影响从小到大、时间从远到近的方式将每条生产数据X的类别组重编码为一个状态标签y，进而得到训练数据集/>通过训练数据集训练一个神经网络或一个决策树，得到状态分类模型；tt步骤四，将实时的生产数据输入到状态分类模型，得到实时的生产数据对应的状态，根据生产数据的状态的时序，得到Markov状态转变图；步骤五，通过Markov状态转变图结合生产数据中各变量的变化，判断生产异常情况。