论文部分内容阅读
在现代流程工业中,人们对过程安全和产品质量要求日益提高,工业过程在线过程监测作为保障过程安全、提高产品质量的有效途径和关键技术,受到人们越来越多的关注。随着现代流程工业中数据采集、存储和处理技术的快速发展,过程数据信息变得极为丰富,基于数据驱动的过程在线监测与故障诊断技术在近几年发展迅速;同时,多元统计分析技术日新月异,基于多元统计分析的过程监测(Mutivariate Statistical Process Monitoring, MSPM)方法成为工业过程监测领域的研究热点。虽然对于MSPM的研究取得了很多成果,MSPM方法仍然在发展过程中,还有许多问题需要进一步讨论和解决,例如,如何更有效地提取故障信息,如何挖掘更多的局部过程信息,如何解决生产过程中非线性、多工况的问题等。本文在前人研究工作的基础上,针对现代工业过程的特点,从信息富集与特征选择的思路出发对一些现有的方法进行了研究和改进,同时也提出了一些新的、有效的过程监测策略,具体包括:(1)针对主成分分析(Principal Component Analysis, PCA)过程监测中存在的主观主元选择及故障相关信息分散问题,提出基于故障敏感主成分选择和主元空间实时重构的策略,用以改善过程监测性能。由于故障相关信息被集中到一个子空间,故障检测和故障诊断性能都得以提高。PCA是目前应用最为广泛的多元统计过程监测方法,对PCA方法的研究具有十分广泛的意义。所提出的方法可以扩展到核PCA、因子分析、独立成分分析等监测方法以解决更多的实际问题。(2)针对现代流程工业中过程变量和操作单元众多,变量相关性复杂的问题,提出了完全基于数据驱动的分散过程监测策略,将众多的变量分配到若干子空间进行监测。分散监测一方面降低了系统复杂程度,另一方面也更有利于发掘更多的局部过程信息,为辨别过程状态提供了便利。相对于传统的分块监测方法,新的方法不需要精确的过程模型和对系统知识的认知,是一种完全基于数据的方法,更有利于实际应用。同时,该方法可以扩展用于具有非线性、多模态等特性的过程监测中来,论文中也将进行详细的论述。(3)针对基于独立成分分析(Independent Component Analysis, ICA)的非高斯过程监测中存在的故障信息分散及有用信息被压制的问题,分别提出了基于故障相关独立元预选与重要独立元加权策略的过程监测方法。基于独立元预选的监测方法充分利用过程故障信息,将故障相关独立元集中到一个子空间,使故障信息富集;基于加权策略的加权独立元监测方法通过衡量一个时段内各个独立元的重要性,赋予重要独立元更大的权重,突出强调过程中的故障信息,改善过程监测性能。所提出的方法可以扩展到非线性、多模态等形式来适应更多的实际应用需求。(4)针对过程数据分布不唯一的过程监测问题,提出了基于变量分布相似性子空间划分和分散监测的策略,一方面使监测方法更符合实际监测的需要,另一方面有效降低了过程监测的复杂度,显著改善了过程监测性能。最后,在总结全文的基础上,对基于多元统计分析的过程监测领域的未来工作进行了展望。