基于多模态特征融合的粗品脱酸终点判定方法与流程

本发明涉及粗品脱酸过程监测，具体为基于多模态特征融合的粗品脱酸终点判定方法。

背景技术：

1、粗品脱酸是制药、精细化工等领域的关键工艺环节，脱酸终点的准确判定直接影响产品收率、质量及能耗。现有的脱酸终点判定多依赖操作人员对单一传感器信号如温度、电导率或近红外光谱的经验判断，或者基于固定阈值的自动化控制。单模态信号往往只能反映反应体系的某一侧面，易受噪声和工况波动干扰，导致误判或延迟判定。部分改进方案尝试融合多传感器信息，但通常仅将不同模态数据在时间轴上对齐后直接拼接，或提取各自统计特征后送入传统分类器，未能有效挖掘多模态数据内在的非线性、非平稳特征以及模态间的深层关联机制。脱酸反应过程中，各模态信号随反应进程呈现复杂的时空演化规律，模态内不同尺度下的振荡模式蕴含不同物理化学信息，模态间相互耦合，构成高维动态关联结构。现有方法缺乏对这种多尺度、跨模态时空特征进行结构化表征和联合学习的手段，也无法根据反应状态的动态变化自适应调整判定策略，导致终点判定在复杂工况下的准确性和鲁棒性不足。针对上述问题，如何在自适应分解各模态信号的基础上，构建能够表达多模态多尺度特征及其统计关联的结构化图表示，并通过深度网络联合捕捉空间拓扑与时间演化特征，同时结合强化学习形成端到端的动态决策机制，是需要解决的技术难题。

技术实现思路

1、本发明要解决的问题是，现有脱酸终点判定方法难以有效提取多模态过程数据的多尺度本征振荡特征，缺乏对模态间统计关联的结构化表示，也无法实现反应过程时空特征的联合学习和动态自适应决策，导致终点判定准确性和鲁棒性不佳。提供一种基于多模态特征融合的粗品脱酸终点判定方法，通过自适应变分模态分解构建多模态特征图，并利用时空图卷积与深度强化学习联合建模，提高脱酸终点判定的精确性和实时适应性。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供了一种基于多模态特征融合的粗品脱酸终点判定方法，该方法包括：

3、获取脱酸反应过程中多模态过程数据，所述多模态过程数据至少包括近红外光谱信号、温度信号和电导率信号；

4、对每种模态信号分别执行基于自适应噪声辅助的变分模态分解，得到各模态信号的本征模态函数集合；

5、将所有模态信号的本征模态函数集合构建为多模态特征图，其中节点表示不同模态不同尺度的特征分量，边表示特征分量之间的互信息关联度；

6、调用预训练的时空图卷积网络模型对所述多模态特征图进行空间拓扑特征和时间演化特征的联合提取，生成脱酸状态特征张量；

7、将所述脱酸状态特征张量输入至基于深度强化学习构建的终点判定智能体，由所述终点判定智能体输出脱酸终点的判定动作指令，所述判定动作指令用于控制脱酸反应器的停止或继续运行。

8、通过综合利用近红外光谱、温度和电导率等多源感知信息，并对各模态信号进行自适应分解与多模态图谱化关联，本发明能够捕捉脱酸过程中细微且复杂的状态变化，提升终点判定的灵敏度和准确性。

9、作为本发明的一个优选技术方案，对每种模态信号分别执行基于自适应噪声辅助的变分模态分解，得到各模态信号的本征模态函数集合，具体包括：

10、对每种模态信号的原始时间序列进行两端延拓处理，得到延拓后的信号序列；

11、在所述延拓后的信号序列中逐次添加自适应白噪声，生成多个噪声副本信号；

12、对每个噪声副本信号执行变分模态分解，得到该噪声副本信号对应的候选本征模态函数序列；

13、将所有噪声副本信号的候选本征模态函数序列按照频率中心对齐，取相同序号的候选本征模态函数的平均值，作为该模态信号的最终本征模态函数；

14、将所述最终本征模态函数按照频率从高到低排序，构成该模态信号的本征模态函数集合。

15、优选的，所述变分模态分解的模态分解个数通过计算各候选本征模态函数与原始信号的互信息熵并选取互信息熵下降拐点处对应的数值自适应确定。该方式能够抑制噪声对分解过程的干扰，自适应地确定合理的分解层数，使所得本征模态函数更准确地反映脱酸过程中的本质动态特征。

16、作为本发明的一个优选技术方案，所述将所有模态信号的本征模态函数集合构建为多模态特征图，具体包括：

17、将每个模态信号的每个本征模态函数定义为一个特征分量节点，并为每个特征分量节点赋予模态类型标签和尺度序号标签；

18、计算任意两个特征分量节点对应的本征模态函数时间序列之间的互信息值，得到互信息关联度矩阵；

19、对所述互信息关联度矩阵中的每一个互信息值进行显著性检验，将显著性水平低于预设阈值的互信息值置为零；

20、将经过显著性检验后的互信息关联度矩阵作为邻接矩阵，连接互信息值非零的特征分量节点，形成所述多模态特征图的边；

21、将每个特征分量节点对应的本征模态函数时间序列的末端若干时间点的幅值作为该节点的初始特征向量。

22、优选的，所述互信息值的计算采用基于核密度估计的非参数方法，核函数选用高斯核，核带宽通过斯科特准则自适应确定。如此构建的多模态特征图不仅保留了各模态内部的多尺度特征，而且通过互信息显著性筛选去除了冗余关联，突出了与脱酸状态强相关的特征交互结构。

23、作为本发明的一个优选技术方案，所述调用预训练的时空图卷积网络模型对所述多模态特征图进行空间拓扑特征和时间演化特征的联合提取，生成脱酸状态特征张量，具体包括：

24、将所述多模态特征图按时间步划分为多个时间窗口子图序列，每个时间窗口子图包含该时间窗口内各特征分量节点的幅值向量；

25、对每个时间窗口子图依次执行图卷积操作，该图卷积操作将每个节点的特征向量与其邻接节点的特征向量进行聚合，再经过非线性变换，得到该时间窗口的空间特征矩阵；

26、将所有时间窗口的空间特征矩阵按照时间顺序堆叠，形成空间特征张量；

27、对所述空间特征张量沿时间维度执行一维卷积操作，提取每个特征分量节点的时间演化模式，得到时间演化特征张量；

28、将所述空间特征张量与所述时间演化特征张量进行逐元素融合，生成所述脱酸状态特征张量。

29、更优选的，所述图卷积操作采用两层图卷积层堆叠，每层图卷积层后接relu激活函数和丢弃率为0.2的dropout层，以增强泛化性并防止过拟合；所述一维卷积操作采用三个不同膨胀率的一维卷积核并行提取多尺度时间特征，从而捕获脱酸进程中不同时间跨度的演变规律。该联合提取方式使模型同时感知同一时刻各特征分量之间的空间依赖以及各特征分量随时间推移的演化趋势，显著提升了对复杂脱酸状态的表征能力。

30、作为本发明的一个优选技术方案，将所述脱酸状态特征张量输入至基于深度强化学习构建的终点判定智能体，所述终点判定智能体输出脱酸终点的判定动作指令，具体包括：

31、将所述脱酸状态特征张量展平为一维状态特征向量，作为所述终点判定智能体的当前状态输入；

32、所述终点判定智能体内部包含一个双critic网络结构，该双critic网络结构接收所述一维状态特征向量后分别输出两个动作价值估计值，取两个动作价值估计值中的最小值作为动作价值目标；

33、所述终点判定智能体的actor网络根据所述一维状态特征向量输出一个连续动作概率分布，从所述连续动作概率分布中采样得到连续动作值，所述连续动作值表示判定脱酸终点的时间置信度；

34、将所述连续动作值与预先设定的停止阈值进行比较，当所述连续动作值大于所述停止阈值时，输出停止脱酸反应器的判定动作指令，否则输出继续运行的判定动作指令。

35、在更优选的方案中，所述连续动作概率分布采用高斯分布，其均值和标准差分别由actor网络的两个全连接分支输出，且标准差输出后通过softplus函数约束为正值，使动作探索范围稳定可控。

36、在进一步的优选方案中，所述双critic网络结构的具体工作方式为：

37、将所述一维状态特征向量同时输入第一critic网络和第二critic网络，所述第一critic网络输出第一动作价值估计值，所述第二critic网络输出第二动作价值估计值；

38、计算所述第一动作价值估计值与所述第二动作价值估计值的差值绝对值，当所述差值绝对值超过预设的置信阈值时，触发不确定性标记；

39、当未触发不确定性标记时，取所述第一动作价值估计值与所述第二动作价值估计值中的最小值作为所述动作价值目标；

40、当触发不确定性标记时，将所述第一动作价值估计值与所述第二动作价值估计值的平均值作为所述动作价值目标，并将该动作价值目标乘以一个小于一的折扣系数后再输出。

41、该双critic机制能够有效抑制价值估计的过度乐观倾向，并在估计不确定性较高时采取保守的策略更新，平衡了终点判定的安全性与效率。

42、作为本发明的一个优选技术方案，所述获取脱酸反应过程中多模态过程数据之后，还包括对所述多模态过程数据进行时间对齐和异常值剔除的预处理操作，具体包括：

43、根据近红外光谱信号的采样时间戳，将温度信号和电导率信号通过线性插值方式重采样至与近红外光谱信号相同的时间点，得到时间对齐后的多模态信号矩阵；

44、对时间对齐后的每种模态信号，采用滑动窗口计算窗口内的局部均值和局部标准差，将偏离局部均值超过三倍局部标准差的数据点标记为候选异常值；

45、对每个候选异常值，取其前后各两个正常数据点的中位值进行替换，得到异常值剔除后的多模态信号；

46、将异常值剔除后的多模态信号中的每种模态信号分别进行零均值归一化处理，得到预处理后的多模态过程数据。

47、该预处理流程保证了多源信号在时间上严格同步，并剔除了仪表扰动和短时异常对特征提取的干扰，为后续精准建模奠定了数据基础。

48、作为本发明的一个优选技术方案，所述预训练的时空图卷积网络模型通过以下步骤预先训练得到：

49、采集若干批次脱酸反应过程的历史多模态过程数据以及对应的脱酸终点标签，构成训练样本集；

50、对每个训练样本按照获取脱酸反应过程的多模态过程数据、执行变分模态分解得到本征模态函数集合、构建多模态特征图以及通过时空图卷积网络提取特征的方法，提取脱酸状态特征张量，作为时空图卷积网络模型的输入特征；

51、构建一个与所述时空图卷积网络模型结构相同的待训练网络，该待训练网络的输出层连接一个全连接分类器，该全连接分类器输出终点已到达的概率；

52、采用交叉熵损失函数计算所述全连接分类器输出的概率与所述脱酸终点标签之间的损失值，通过反向传播算法更新所述待训练网络和所述全连接分类器的参数；

53、当所述损失值连续多个训练轮次不再下降时，停止训练，保存所述待训练网络的参数作为所述预训练的时空图卷积网络模型的参数。

54、该预训练方式使时空图卷积网络模型在大量历史批次中学习到脱酸终点邻域的高层特征表示，从而在在线判定时能够快速提取具有判别力的状态张量。

55、作为本发明的一个优选技术方案，所述基于深度强化学习构建的终点判定智能体通过以下步骤与环境交互更新：

56、在执行脱酸反应过程中，每次所述终点判定智能体输出判定动作指令后，环境反馈一个奖励信号，该奖励信号由脱酸酸值检测仪在所述判定动作指令执行后的实际测量酸值与目标酸值的偏差绝对值负相关计算得到；

57、将当前脱酸状态特征张量、所述终点判定智能体输出的判定动作指令、所述奖励信号以及下一个脱酸状态特征张量组成一个经验转移元组，存入经验回放缓冲区；

58、从所述经验回放缓冲区中随机采样一批经验转移元组，计算每个经验转移元组的时间差分误差，所述时间差分误差为所述奖励信号加上折扣因子乘以下一个状态的动作价值目标再减去当前状态的动作价值估计值；

59、采用梯度下降法最小化所述时间差分误差的平方值，更新所述终点判定智能体的双critic网络和actor网络的参数；

60、每隔固定步数，将所述双critic网络中的目标网络参数用当前网络参数进行软更新，所述软更新为将目标网络参数乘以一个接近一的软更新系数后与当前网络参数乘以一减去该软更新系数的结果相加。

61、通过不断与脱酸生产环境在线交互，终点判定智能体可以在实际运行中持续优化其判定策略，适应原料批次差异和工况波动，实现更加精确和稳健的脱酸终点控制。

62、在奖励信号生成方面，本发明进一步优化为：

63、当所述判定动作指令为停止脱酸反应器时，立即触发脱酸酸值检测仪对反应器内物料进行取样检测，得到实际测量酸值；

64、计算所述实际测量酸值与预设的目标酸值的差值绝对值，再计算该差值绝对值的倒数作为基准奖励值；

65、当所述实际测量酸值低于目标酸值的最小允许值时，将所述基准奖励值乘以一个大于一的超额惩罚系数，得到最终的奖励信号；

66、当所述实际测量酸值高于目标酸值的最大允许值时，将所述基准奖励值乘以一个小于一的欠脱酸惩罚系数，得到最终的奖励信号；

67、当所述实际测量酸值处于目标酸值的最小允许值和最大允许值之间时，直接将所述基准奖励值作为最终的奖励信号。

68、该奖励机制引导智能体在避免脱酸不足和脱酸过度之间取得合理平衡，促使实际酸值被精确控制在目标范围内，提升产品品质和收率。

69、在上述技术方案中，本发明提供的技术效果和优点：

70、对近红外光谱、温度、电导率等多种模态信号分别执行基于自适应噪声辅助的变分模态分解，得到各模态信号的本征模态函数集合。该分解通过两端延拓和自适应白噪声副本添加，结合基于互信息熵拐点的模态数自适应确定，能够将非平稳的过程信号稳定地分离为不同频率尺度的本征振荡分量，避免模态混叠和端点效应。将不同模态、不同尺度的本征模态函数作为节点，计算节点间时间序列的互信息值并经显著性检验后建立图的边，构建多模态特征图。这种图结构显式编码了跨模态、跨尺度的统计关联，将孤立的信号分解结果组织为包含丰富关联语义的统一拓扑，使得隐藏在数据中的物理化学耦合关系得以结构化留存。相比将多模态数据简单拼接或独立处理，多模态特征图保留了模态间的非线性交互信息，强化了后续网络对反应进程中协同变化模式的感知。

71、将多模态特征图输入预训练的时空图卷积网络模型，对每个时间窗口子图执行多层图卷积操作，聚合邻接节点的空间拓扑特征，堆叠各时间窗口的空间特征矩阵形成空间特征张量，再沿时间维度并行施加不同膨胀率的一维卷积，提取多尺度时间演化模式，融合得到脱酸状态特征张量。图卷积和多尺度时间卷积的结合能够同步捕获模态特征分量在空间维度上的传播、耦合关系以及在时间维度上的趋势、周期等动态规律，生成具有强判别力的综合状态表示。将脱酸状态特征张量展平后送入基于深度强化学习的终点判定智能体，智能体采用双critic网络结构输出动作价值估计并取最小值作为目标，抑制价值高估偏差，actor网络输出高斯分布的连续动作值以表示判定终点的时间置信度，通过与预设停止阈值比较输出停止或继续动作。强化学习框架将终点判定转化为序贯决策，双critic结构提高了价值估计的稳定性，连续动作空间使得判定时机可细化，结合经验回放和软更新机制，使智能体能够根据不同的反应批次的实时状态动态调整判定策略，在不完全依赖固定先验阈值的条件下实现准确且及时的终点响应。