面向間歇發(fā)酵過程的多元統(tǒng)計監(jiān)測方法研究.pdf

1、發(fā)酵生產與人們的生活息息相關，它是典型的非線性、動態(tài)、多階段間歇生產過程。不同于一般的工業(yè)過程，機理十分復雜，而且其操作復雜度遠遠大于連續(xù)過程，產品質量更容易受到如原材料、設備狀況、環(huán)境條件等不確定性因素的影響。為了提高發(fā)酵生產過程與控制系統(tǒng)的可維護性和安全性，并同時提高產品的質量，迫切地需要建立過程監(jiān)測系統(tǒng)對生產過程進行故障監(jiān)控。 目前，用于過程監(jiān)測的方法按照先驗知識的不同可分為三類，即基于解析數(shù)學模型的方法、基于知識的方法和

2、基于數(shù)據(jù)驅動的方法。發(fā)酵過程涉及菌體的生長繁殖過程，機理十分復雜，很難得到準確的數(shù)學模型，限制了基于數(shù)學模型的監(jiān)測方法的應用；基于知識的方法適合于有大量生產經驗和專家知識可利用的場合，而發(fā)酵過程的生產經驗與專家知識積累有限，因此該類方法在過程監(jiān)測中難以得到普遍應用；隨著計算機技術的發(fā)展，大量的過程數(shù)據(jù)被采集并存儲下來，而基于數(shù)據(jù)驅動的方法，正是通過對采集的觀測數(shù)據(jù)建立統(tǒng)計模型并進行分析，判斷過程所處的運行狀態(tài)，在線檢測與識別過程中存在的

3、異常狀況，從而有效地指導生產，提高產品的生產率。本文針對發(fā)酵生產過程的基本特征，系統(tǒng)地研究了監(jiān)測過程中的若干問題，提出了一些新的統(tǒng)計過程監(jiān)測算法，以此來提高過程監(jiān)測能力與產品質量，保證生產安全。本文的主要工作有以下幾個方面： （1）介紹了間歇過程的特點與監(jiān)測難點、過程監(jiān)測的基本概念、內容和分類，著重論述了基于數(shù)據(jù)的過程監(jiān)測方法的發(fā)展歷史、研究現(xiàn)狀及其存在的問題?；仡櫫税l(fā)酵技術的發(fā)展歷史，闡述了發(fā)酵過程的特點和分類、生產流程及操作

4、方式，結合Pensim Benchmark仿真平臺，論述了青霉素發(fā)酵過程的建模與監(jiān)測現(xiàn)狀。 （2）發(fā)酵過程中存在的不同操作模式，以現(xiàn)有方法直接對過程建立單一模型進行監(jiān)測，往往會引發(fā)大量的誤警。針對以上問題，提出了一種多MPLS模型統(tǒng)計監(jiān)測方法，分別以MPLS對各個操作模式建立監(jiān)測模型。基于Pensim仿真平臺，運用T2、SPE統(tǒng)計監(jiān)測圖，結合監(jiān)測變量貢獻圖對青霉素發(fā)酵過程進行建模與監(jiān)測，仿真結果表明，所提出方法可以減少誤警、在過

5、程的不同操作模式下能監(jiān)測到過程中存在的故障并能辨識出故障源。 （3）針對發(fā)酵過程存在的時變特性，提出了一種在線的基于秩—1矩陣攝動的遞歸主元分析（RPCA）算法以提高過程監(jiān)測的性能。以Pensim為仿真平臺，結果表明所提出算法能有效跟蹤過程的時變特性，減少系統(tǒng)的誤警且能及時地監(jiān)測出過程中存在的故障，適合于過程的在線監(jiān)測。 （4）針對發(fā)酵過程中典型的動態(tài)強非線性特征，提出了一種將EWMA與KPCA相結合的MEWMA—KPC

6、A算法，以跟蹤過程的動態(tài)特性并使其能有效處理過程的非線性屬性?；赑ensim仿真平臺，結果表明，所提出算法可獲得過程的動態(tài)非線性特性，用于過程監(jiān)測可降低正常運行過程的誤警與漏報現(xiàn)象，且能較早地檢測出故障。 （5）針對過程數(shù)據(jù)分布的非高斯特性，提出了一種基于特征空間遞歸更新的在線獨立元分析（RUFS—ICA）監(jiān)測算法，在每一監(jiān)測時刻，先對樣本的特征空間遞歸更新，后用ICA算法提取過程變量的獨立元，在計算出統(tǒng)計量后通過監(jiān)測圖對過程