基于概率的工業(yè)過程數(shù)據(jù)建模與故障檢測.pdf

1、現(xiàn)代工業(yè)過程的實時監(jiān)測與控制在提升產(chǎn)品質(zhì)量和保障生產(chǎn)過程安全穩(wěn)定運(yùn)行中起到了至關(guān)重要的作用。隨著先進(jìn)控制系統(tǒng)的應(yīng)用和計算機(jī)技術(shù)的發(fā)展，工業(yè)現(xiàn)場采集和存儲了大量的過程數(shù)據(jù)，這些數(shù)據(jù)反映了過程的運(yùn)行狀態(tài)、產(chǎn)品質(zhì)量乃至經(jīng)濟(jì)成本，蘊(yùn)含了豐富的信息。為了從海量的數(shù)據(jù)中挖掘出有用的過程信息，實現(xiàn)對過程的離線分析和在線監(jiān)控，基于數(shù)據(jù)驅(qū)動（尤其是多元統(tǒng)計分析）的過程監(jiān)測技術(shù)在近幾十年來已經(jīng)成為自動控制領(lǐng)域的研究熱點，并且在工業(yè)界得到了廣泛地應(yīng)用。傳統(tǒng)的

2、多元統(tǒng)計分析過程監(jiān)測技術(shù)主要假設(shè)生產(chǎn)過程是穩(wěn)定運(yùn)行的線性系統(tǒng)，而隨著工業(yè)過程的大規(guī)模和精細(xì)化，其生產(chǎn)方式、系統(tǒng)結(jié)構(gòu)已經(jīng)變得日益繁雜，因此采集到的工業(yè)過程數(shù)據(jù)也包含了互相關(guān)、自相關(guān)、非線性、時變和多模態(tài)以及與質(zhì)量指標(biāo)的約束關(guān)系等復(fù)雜的過程特性。本文以概率模型為主要研究手段，從工業(yè)過程的過程特性和數(shù)據(jù)特性兩個維度研究了工業(yè)過程建模和故障檢測問題。全文的主要研究內(nèi)容如下:
　　(1)、針對高維過程數(shù)據(jù)的動態(tài)自相關(guān)性問題，提出了基于自回歸

3、因子分析模型的動態(tài)過程建模和故障檢測方法。通過將模型的隱變量（即動態(tài)因子）限制在低維子空間中，自回歸因子分析模型同時提取了數(shù)據(jù)的自相關(guān)性和互相關(guān)性，挖掘了完整的數(shù)據(jù)信息，改善了動態(tài)過程（尤其是高階動態(tài)過程）的建模性能?；谀Ｐ偷膭討B(tài)殘差和模型的預(yù)測誤差構(gòu)建的統(tǒng)計量能夠有效監(jiān)測動態(tài)過程的異常變化，并且避免了故障間的相互干擾問題。
　　(2)、針對過程數(shù)據(jù)與關(guān)鍵質(zhì)量指標(biāo)間的約束關(guān)系問題，提出了一種基于概率隱變量回歸模型的質(zhì)量相關(guān)故障檢

4、測方法。作為一種有監(jiān)督學(xué)習(xí)模型，概率隱變量回歸技術(shù)提取了輸入輸出變量間的相關(guān)關(guān)系，同時也反映了其自身的變化，因此基于該模型的過程監(jiān)測方法對于導(dǎo)致質(zhì)量變化的過程故障更加敏感，能夠有效監(jiān)測質(zhì)量變量的變化。同時，傳統(tǒng)統(tǒng)計量在概率框架下的有效性也進(jìn)行了重新的評估和改進(jìn)，提出了基于概率模型的新的統(tǒng)計量及其故障檢測方法。
　　(3)、針對實際采集和記錄的過程變量和質(zhì)量變量采樣率不同的問題，繼續(xù)深入探討了如何提取不同采樣率的過程和質(zhì)量數(shù)據(jù)的約束

5、關(guān)系，建立了一種基于半監(jiān)督的概率隱變量回歸模型，提出相應(yīng)的故障檢測方法。半監(jiān)督的概率隱變量回歸模型同時包含了有標(biāo)簽數(shù)據(jù)（包含過程變量和質(zhì)量變量）和無標(biāo)簽數(shù)據(jù)（只包含過程變量），并利用大量的無標(biāo)簽數(shù)據(jù)有效改善了模型預(yù)測的準(zhǔn)確性。此外，針對連續(xù)過程和批次過程不同的過程特性，分別提出了基于半監(jiān)督概率隱變量回歸模型的連續(xù)和批次過程故障檢測方法。
　　(4)、針對過程的時變特性，尤其是批次過程的緩慢時變特征，提出了一種基于遞歸高斯過程回歸模