论文部分内容阅读
近年来,随着现代社会对多品种、多规格和高质量产品迫切的市场需求,工业生产更加倚重于可以生产多种产品的间歇过程,并且生产运行的安全性、可靠性已成为工程人员关注的焦点。但是,过程生产方案的变动或者产品类型的改变会导致生产过程出现具有不同潜在过程特性的多种模态。多模态复杂过程的多变量、多工序、变量时变性、以及模态转换时间不确定等多种原因,导致面向间歇生产过程的统计分析及在线应用更具挑战性。 间歇生产过程特与连续工业相比,其过程特性更加复杂,数据统计特征亦更为丰富。本文基于统计的过程监测建模方法从生产过程的正常历史数据出发,既考虑稳定模态过程监测,又针对稳定模态间的过渡模态的本身特点,建立过渡模态监测模型。同时还从实际出发,全面考虑多元统计方法在多模态过程应用时需要解决的几个重点问题,譬如:阶段划分、阶段识别、特征提取等,提出了一些针对间歇过程具体数据特征的监控算法,以此来提高过程监控能力与产品质量,保证生产安全。主要研究内容如下: (1)针对间歇过程的非线性问题,提出一种基于MKECA的间歇过程故障监测与诊断方法。MKECA算法的核心思想是将原始数据投影到高维特征空间,与MKPCA不同的是,不以方差的大小来选择特征向量,而是选取前n个对核熵值贡献最大的特征向量,然后将原始数据向这些特征向量投影构成新的数据集,这样不仅可以最大程度地保持原始间歇过程数据的空间分布,而且能够提高模型的精度。当监测模型捕获到故障后,利用本章提出的时刻贡献图方法对故障变量进行识别。数值实例和青霉素仿真平台的应用,结果表明MKECA方法在过程监测的性能上优于MKPCA方法,并具有故障变量的追溯能力。 (2)针对间歇过程的非线性和非高斯性问题,提出基于MKEICA的过程监测方法。该方法首先利用KECA代替传统KPCA作为MKICA数据的白化处理,使得白化后的数据矩阵可以更好保持原始的数据结构,其次针对传统MKICA监测方法所构建的监测统计量为二阶统计量的不足,提出了三阶累积量的监测统计量用于过程监测,旨在克服传统统计量在监测时存在较高误警和漏报的问题。通过对青霉素仿真平台和工业制备大肠杆菌的应用,结果表明该方法与传统MKICA方法相比,确实能有效减少系统出现的误警率和漏报率。 (3)针对间歇过程多阶段、非线性的问题,提出了一种基于多阶段MKECA的过程监测方法,该方法首先把三维数据按照时间片展开策略展开为新的二维数据;其次根据各时间片的数据进行KECA数据转换,然后依据核熵的大小对生产过程进行阶段粗划分,在粗划分的基础上利用扩展核熵负载矩阵进行阶段细化分,将生产操作过程划分为稳定阶段和过渡阶段并分别建立监测模型对生产过程进行监测;最后对青霉素发酵仿真平台的进行试验验证,结果表明该方法具有比较可靠的监控性能,能及时、准确的检测出过程中存在的异常情况。 (4)针对间歇过程多阶段、非线性、非高斯性的问题,提出一种基于多阶段MKEICA的监测方法,该方法克服了相邻阶段之间边界的错误划分以及过渡阶段过程的非线性、非高斯等问题,提高生产过程监测模型的监测精度。当实际的生产过程从一个稳定操作阶段过渡到下一个稳定操作阶段时,可有效降低过程监测模型对生产过渡阶段过程故障的报警率。通过青霉素发酵仿真平台及实际工业制备大肠杆菌的生产发酵过程的应用表明该过程监测方法能够更好地揭示过程的运行状况和变化规律,对于解决间歇过程多阶段的监测难的问题,具有一定的实用价值。 (5)以上的研究方法都是基于过程变量的监测方法,当过程变量出现诸如因产品质量的问题而需要对过程变量做出调整时,监测模型会错误认为是故障。为解决上述问题,同时结合T-PLS和多阶段KEICA的优势,提出基于核熵的间歇过程质量相关故障的监测方法。该方法用多阶段KEICA对生产过程进行建模分析,建立高阶累积量的监测统计量HS和HE,其中HS主要反映生产过程变量的非高斯信息,HE主要反映生产过程变量的高斯信息,然后在质量变量Y的引导下将空间HE进行T-PLS分解,得到四个子空间后将质量相关子空间的统计量与残差子空间的统计量相结合,构造新的联合统计量,用于与质量相关的过程故障监测,以实现对非线性、高斯性、非高斯性、多阶段性的实际间歇生产过程全方位监测,通过将该方法应用于重组大肠杆菌制备白介素-2发酵过程监控,验证了算法的可行性和有效性。