间歇过程,又称批次过程,是指将有限的物料、按规定的步骤顺序运行,得到少量产品的加工过程,可以很好地满足产品定制化、复杂化、批量化的要求,近年来被广泛应用于生物制药,食品及半导体加工等领域。实际间歇生产过程操作状态会随着时间、步骤的变化发生转变,呈现多时段特性,若要获得准确、可靠的过程监测模型,需要首先将间歇过程划分为不同时段,再分别对其进行建模,使得各时段独特的过程特性得到准确描述,因此,研究间歇过程时段划分方法对提高间歇过程统计建模精度及故障检测可靠性具有重要的意义。本文在分析间歇过程多时段特性和数据三维特征的基础上,研究间歇过程时段划分方法,提出了一种基于张量特征分析的间歇过程时段划分方法。首先构造间歇过程三维数据集,利用PARAFAC2可以对间歇过程数据进行三维不展开建模的优势,构建基于PARAFAC2的间歇过程时间片和时间块模型,选取预测误差平方和(SPE)统计量对模型过程特性进行准确描述,并用核密度估计获取SPE控制限·;然后给出一时段划分规则,通过对比时间片和时间块模型控制限的差异判断时段划分点所在位置;最后利用时段评价划分指标(PPCI)对时段划分结果进行评价,自适应获取最优解。所提方法保留了间歇过程三维结构特征和数据的完整性,深入考虑了间歇过程实际运行的时序性,提高了时段划分的准确性。利用青霉素发酵过程对本文所提基于PARAFAC2的间歇过程时段划分方法进行实验研究,研究结果表明,所提方法可以有效地实现对间歇过程的时段划分,避免了由于对三维过程数据矩阵进行展开时结构信息缺失带来的模型失配问题,相比于其他基于数据展开的时段划分方法在指标上体现出更高的精度;利用本文所提方法进行时段划分基础上实现间歇过程故障检测相比于其他方法具有更高的检测精度,验证了本文所提方法在间歇过程实际生产领域具有更大的应用价值。