概率PCA多元统计方法在过程监控中的应用研究

摘要

在长期的运行中，生产过程不可避免会发生一些变化，可能影响产品质量，甚至造成重大事故，完伞依靠人力的传统监控方法已不足以解决复杂的质量控制问题。统计过程监控方法不需要复杂的机理模型，通过统计方法提取过程数据的重要信息，并将其量化为几个统计监控指标便可实现对过程的监控，充分利用过程的已有信息，可实现性强，历经三十多年的发展，统计过程监控方法已经取得了一系列令人瞩目的成果，并在现代过程工业中得到了广泛的应用。 概率主元分析(PPCA)通过期望最大化(EM)算法建立过程的生成模型，确定主元和误差的概率函数，能实现有效的故障检测和故障识别，得到工业界和学术界的广泛关注。但是基于PPCA的监控方法的应用前提是过程变量之间满足线性关系，并且不存在自相关，然而大多数实际工业过程往往无法满足这些条件，使基于PPCA的监控方法得不到理想的效果。 本文针对基于PPCA过程监控的缺点，主要做了以下几方而的工作： 1.提出基于PPCA的改进监控方法，直接对所有过程变量白化值的范数进行监控，并通过对每个过程变量的白化值监控实现在线故障识别，减少了监控量。将其应用于化工吸附分离过程，与基于PCA的监控的方法作了比较。 2.解决具有较强动态特性的工业生产过程的监控问题，提出了动态概率主元分析法，对经过时间序列扩展后的变量数据阵，通过EM算法建立生成模型，从而将静态PPCA推广到动态多变量过程，有效消除了过程变量的自相关关系。 3.在非线性过程的监控方面，提出基于动态核概率主元分析法，利用核函数将经过压缩的动态增广数据阵映射到高维空间，然后利用PPCA方法对满足线性关系的过程变量进行处理，通过连续重整加热炉系统的应用研究表明该方法有好的监控性能。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2过程监控的对象及基本概念

1.2.1过程监控的对象

1.2.2过程监控的一些基本概念

1.3过程监控方法分类

1.3.1基于解析模型的方法

1.3.2基于知识的方法

1.3.3基于信号处理的方法

1.4统计过程监控的研究现状

1.4.1单变量统计过程控制

1.4.2多变量统计过程控制

1.5概率主元分析法的基本思想及应用

1.6本文的结构

第二章PCA和PPCA在化工分离过程监控中的应用比较

2.1引言

2.2基于PCA的统计过程监控

2.2.1 PCA算法

2.2.2主元个数的确定

2.2.3基于PCA的过程监控

2.2.4对过程的初步故障诊断

2.3基于PPCA的统计过程监控

2.3.1 PPCA模型及主元

2.3.2基于PPCA的监控方法

2.3.3基于PPCA的改进监控方法

2.4应用实例

2.4.1化工吸附分离过程工艺流程简介

2.4.2 PCA和PPCA的应用比较

2.5本章小结

第三章基于动态概率主元分析的统计过程监控

3.1引言

3.2自相关和互相关

3.3动态概率主元分析模型建立

3.3.1 DPPCA模型

3.3.2 ST统计量及控制限的确定

3.4仿真研究

3.4.1田纳西-伊斯曼过程

3.4.2过程数据的自相关分析

3.4.3故障4的个案研究

3.4.4故障11的个案研究

3.5本章小结

第四章动态核概率主元分析模型建立及其应用研究

4.1引言

4.2核概率主元分析

4.3动态核概率主元分析

4.3.1动态KPPCA模型

4.3.2动态KPPCA过程监控及分析

4.3.3动态KPPCA监控步骤

4.4动态KPPCA的应用研究

4.5本章小结

第五章总结和展望

5.1本文小结

5.2未来工作的展望

致谢

参考文献

附录：攻读硕士阶段已发表的论文