【摘 要】
：
在现代工业生产中,随着传感器、PLC和DCS系统的普及与应用,数据和数据处理技术逐渐受到重视。基于数据驱动的多元统计过程监控方法能够在线评估过程运行状态,保障系统的可靠性和稳定性,对提高产品产量和质量具有重大意义。然而实际过程中大量存在的异常值和缺失数据现象,给基于数据驱动模型的过程监控带来挑战。论文研究基于改进潜结构投影（Modified Projection to Latent Structu
论文部分内容阅读
在现代工业生产中,随着传感器、PLC和DCS系统的普及与应用,数据和数据处理技术逐渐受到重视。基于数据驱动的多元统计过程监控方法能够在线评估过程运行状态,保障系统的可靠性和稳定性,对提高产品产量和质量具有重大意义。然而实际过程中大量存在的异常值和缺失数据现象,给基于数据驱动模型的过程监控带来挑战。论文研究基于改进潜结构投影（Modified Projection to Latent Structures,MPLS）模型的过程监控,具体内容如下:（1）针对过程数据存在异常值的问题,论文分析了MPLS模型的鲁棒性,提出一种基于主成分追踪（PCP）的鲁棒MPLS算法。该算法利用PCP对MPLS模型的系数矩阵进行分解得到正常数据的低秩结构,然后基于此低秩结构重新建立MPLS模型,从而消除输入输出数据中异常值的影响,使模型具有鲁棒性。同时,论文为鲁棒MPLS模型的质量相关子空间和质量无关子空间构建cT ~2和rT ~2两个监控指标。数值案例和TE过程验证了基于鲁棒MPLS监控方法的有效性。（2）针对过程数据存在缺失的问题,论文引入迭代算法（IA）来估计缺失数据,提出一种基于IA-RMPLS的质量相关故障检测方法。该方法通过建立模型和估计缺失数据两个步骤交替迭代进行,完成鲁棒MPLS建模。在此基础上,质量无关子空间被PCA分解为质量无关主元子空间和质量无关残差子空间。进一步,基于该模型,构建了监控指标,通过数值仿真和TE过程仿真对所提方法进行验证。（3）针对重构贡献（RBC）中包含交叉项和无关项作用,导致拖尾严重的问题,论文对重构贡献方法进行改进,提出一种贡献分析方法,并应用在鲁棒MPLS监控模型中。贡献分析是基于变量对监控指标cT ~2和rT~2的贡献值构成一个有界凸包来描述变量对故障的贡献度。该方法通过排除对凸包面积无贡献的变量筛选故障变量集,最终得到引起故障的主要变量。通过TE过程仿真结果,验证了所提方法相比于RBC识别结果更加精准。
其他文献
将同一个场景下的不同模态传感器得到的图像进行融合,得到一张包含多源信息的融合图像,此类任务称为图像融合任务。其中红外图像与可见光图像融合是一个重要的课题。红外图像可以根据热辐射的差异将目标与背景区分开来,在白天或者黑夜的所有时间和各种天气条件下,红外图像都能很好地发挥作用。相反,可见光图像可以以与人类视觉系统一致的方式提供具有高空间分辨率和清晰度的纹理细节。图像融合领域如今已经有了大量成熟的方法,
在一些化工间歇如注塑机注塑速度控制过程中,通常需要在有限的运行时间内执行一些重复性操作,近年来如何利用系统重复运行的信息改善系统性能的控制问题引起了广泛关注。迭代学习控制是有效解决此类控制问题的方法之一,其关键思想是通过先前批次的误差信息不断优化控制输入从而实现高精度跟踪的控制目的。针对实际生产中常见的状态时滞系统,本文进一步考虑系统运行中存在的不确定性对跟踪性能的影响,通过建立状态时滞不确定模型
在智慧博物馆建设的背景下,物联网、大数据、云计算、移动互联网和人工智能技术为博物馆文化资源的开发、传播、保护和管理提供了技术支持和更多的方法。博物馆不仅承担着文化展示的作用,也发挥着对观众的教育职能,以丰富的馆藏文化资源和开放式的展示环境,对儿童教育起到了举足轻重的作用。特别是博物馆多样化的教育形式、内容和展示方式,带给儿童在多维视角上的文化认识和文化体验方式的变化。本文从体验设计的角度,探索如何
随着机动车日益增加,环境污染、交通拥堵、交通事故是当今乃至以后世界各国发展路上所需要面临的难题。作为解决此难题的重要方法之一,智能交通系统登上了历史的舞台。作为智能交通系统的重要研究内容,多自主车辆队列的优点在于可以有效降低油耗、提升乘客的乘坐体验、增加道路通行量等,这些优点让多自主车辆队列正逐渐成为控制领域及交通领域的研究热点。其目的是在保证安全的前提下,通过车载传感器、车与车通信以及控制算法让
民族服饰折射一个民族的文化,同时也是宝贵的文化遗产。满族的民族服饰文化极具民族色彩,有着很高的文化价值。对于这些传统工艺美术资源,如何能够挖掘其文化内涵并进行保护与传承,并在当代语境及社会背景下重新焕发出生命力,从而让更多人真正了解和喜爱优秀传统文化,是值得深入探究的课题。在本文的研究中以满族服饰的装饰语言作为研究中心,同时进行文献研读与实地调研,以其做为研究基础,灵活运用历史资料研究法、文献剖析
不平衡数据的分类问题一直是机器学习与数据挖掘的共同课题。在传统的学习过程中,分类器大多在不平衡比例接近1的数据集上进行分类研究。然而在实际应用中,数据集的不平衡比例往往较大,分类器为了降低判别损失率,在分类过程中就会偏向多数类样本,从而影响分类结果。随着研究的不断深入,许多针对不平衡数据的算法被提出,有效降低了数据不平衡性对分类器性能的影响。本文从数据层面的算法入手,对不平衡数据的分类问题进行研究
卷积神经网络（Convolutional Neural Network,CNN）在图像特征学习领域取得卓越的成就,已经成为解决图像分类、图像降噪、目标识别、图像分割以及其它充满挑战的计算机视觉任务的主流方法。从将网络层简单相连的逐层连接的网络结构,到支持跨层间连接结构的残差网络结构（Res Net）,到密集连接的密集网络结构（Dense Net）,再到Google Net宽度网络结构,网络结构已经
大数据时代的到来,涌现出大量蕴含丰富语义信息的非结构化文本数据。为了应对海量数据的挑战,关系提取与知识图谱成为自然语言处理领域的重要研究话题。通过关系提取辅助知识图谱的构建,从而实现海量数据的重构,具有重要的现实意义。本文针对关系提取网络中存在的不足,进行了相关研究工作。第一,由于句子结构复杂多样,现有的关系提取网络抽取句子特征的能力明显不足,因此,在特征抽取阶段如何充分学习句子中潜在的关系特征是
随着电子商务的快速发展,为了降低成本,商家将物流业务转交给第三方物流（3PL）公司进行服务。然而随着物流市场的不断拓展,3PL逐渐展现出局限性,存在服务项目单一、信息化程度不高、企业间缺乏合作等问题,难以实现社会资源的优化配置。针对这些不足,第四方物流（4PL）应运而生,它通过整合3PL物流资源,进而满足了复杂的实际运输需求。4PL是一种崭新的物流运作模式,如何利用4PL的资源整合能力降低成本、碳
随着科技的不断发展,各种以生物特征为基础的身份鉴别技术已经逐步民用化、商业化,指纹解锁、虹膜打卡和人脸支付等新型身份认证技术已与人们的生活息息相关。人脸识别技术凭借其无接触、生物特征明显和容易获取等优势而成为当前主流的生物特征识别方法,带来了巨大的社会效益和经济效益,但是另一方面,人脸识别系统遭到攻击的案例也让其安全问题受到重视。在人脸识别系统中,攻击者可以通过伪造用户的面部信息进行攻击,比如通过