復雜工況過程統(tǒng)計監(jiān)測方法研究.pdf

1、保證過程安全和提高產品質量是現代流程工業(yè)迫切需要解決的兩個問題，作為過程系統(tǒng)工程領域的關鍵技術之一，過程監(jiān)測技術是解決這兩個問題的有效途徑。由于集散控制系統(tǒng)(DCS)在流程工業(yè)中的廣泛應用，極大地豐富了過程的數據信息，基于數據驅動的過程監(jiān)測技術在過去十多年間得到了長足的發(fā)展。其中，多變量統(tǒng)計過程監(jiān)測方法(MSPC)更是受到了學術界和工業(yè)界的普遍關注，已經成為過程監(jiān)測領域的研究熱點之一。
　　 但是，傳統(tǒng)的MSPC方法對過程的限制

2、條件較多，如過程數據必須服從高斯分布、線性、穩(wěn)定單一工況等，本文在前人研究工作的基礎上，針對不同的復雜工況過程，提出多種有效的過程監(jiān)測方法，具體包括：
　　 (1)針對過程數據的復雜分布情況，提出一種基于獨立成分分析和主元分析(ICA—PCA)兩步信息提取策略的過程監(jiān)測方法，并引入支持向量數據描述(SVDD)和因子分析(FA)方法對提出的方法進行了改進。其中，提出的基于SVDD重構的故障診斷方法解決了非高斯故障診斷的難點，是對重

3、構類故障診斷方法的重要補充；提出的基于混合因子的故障識別方法也在很大程度上改善了故障識別的效果。
　　 (2)針對非線性工況過程，在基本的核主元分析(KPCA)方法的基礎上，引入統(tǒng)計局部技術(LA)對其進行改進，新的方法消除了對過程數據分布的限制條件。為了簡化傳統(tǒng)非線性過程監(jiān)測算法建模和在線實施的復雜性，提出了一種基于線性子空間集成和Bayesian推理的過程監(jiān)測方法，不僅有效地提高了監(jiān)測效果，而且在很大程度上降低了算法的復雜度

4、。
　　 (3)針對過程的時變和多工況特性，并同時考慮到過程的復雜數據分布和非線性情況，提出了三種新的方法，印基于局部最小二乘回歸(LSSVR)模型的方法、基于非線性外部分析的魯棒方法以及基于二維線性子空間集成和Bayesian推理的方法．其中，基于局部模型的方法有效地改善了傳統(tǒng)遞歸方法的不足，增強了時變過程監(jiān)測的實時性；非線性外部分析魯棒算法不僅有效地推廣了外部分析方法在非線性過程中的應用，而且增強了該算法抗擊噪聲和離群點的能

5、力；提出的二維監(jiān)測方法不僅在很大程度上減弱了過程監(jiān)測對知識和經驗的依賴性，而且取得了很好的效果。
　　 (4)同時考慮過程動態(tài)性和非高斯性的監(jiān)測方法研究目前還比較少，本文在子空間模型辨識方法的基礎上，通過引入統(tǒng)計局部技術，提出一種基于SMILA的動態(tài)非高斯過程監(jiān)測方法，相比已有的動態(tài)非高斯過程監(jiān)測方法，新的方法獲得了更滿意的監(jiān)測性能．
　　 (5)相比連續(xù)生產過程，間歇生產過程要復雜的多，由于目前對于多工況復雜間歇過程監(jiān)