基于数据驱动的流程工业过程性能监控方法研究

摘要

统计过程性能监控一直是流程工业中保证产品质量和生产安全的一个重要手段。它是一种基于多变量统计理论的方法，通过对测量的输入输出数据进行分析和解释，建立起监控模型，然后在线监测和识别过程中出现的异常工况，从而减少过程故障所造成的损失和提高生产效率。
　　 多变量统计理论的传统方法有：主元分析方法、部分最小二乘法、费舍尔判别分析规范变量分析以及独立成分分析。多变量统计方法采用多元投影方法得到维数更少的特征向量，摒弃了冗余信息，是一个高维数据分析处理的有效工具，很好的解决了流程工业过程中变量众多，各变量之间存在强耦合性的问题。本文深入研究了基于部分最小二乘(PLS)的过程监控方法，较好地实现了流程工业中对于关键变量的检测。论文的主要内容和研究成果包括：
　　 (1)深入学习PLS方法基本理论，对PLS方法采用非线性迭代算法进行理论推导，解释了PLS方法特征向量选取的几何意义，同时推导了PLS方法的一些性质。将PLS方法用于过程监控中，并阐述了基于PLS模型的多变量统计过程监控方法。
　　 (2)针对间歇过程中采集的测量数据为三维矩阵的问题，提出了利用多向PLS方法进行过程监控。通过对三维数据沿时间轴切割批次和变量数据块，展开成二维数据，然后用PLS方法建立监控模型。以异丁烯酸甲酯的聚合过程为研究对象，仿真结果验证了该方法的有效性。
　　 (3)针对常规PLS监控模型无法实时更新的问题，提出了递推PLS算法，利用新数据矩阵与老数据矩阵来共同更新模型参数，使监控模型能够有效的跟踪系统的时变特性。同样以异丁烯酸甲酯的聚合过程作为研究对象，仿真结果验证了该方法优于多向PLS监控方法。
　　 (4)针对生产过程中存在严重非线性的问题，采用RBF网络与PLS模型相结合，利用RBF网络万能的逼近性，将过程内部模型中非线性函数线性化，并且提出用递推算法调整监控模型的线性参数，有效地解决了非线性PLS监控模型的在线更新问题。该递推方法用于对聚丙烯熔融指数的监控，仿真结果表明的该方法的有效性。