自适应多变量统计过程监控研究

发布时间：2021-07-21 01:36

　　多变量统计过程监控（Multivariate Statistical Process Control, MSPC）能够基于过程运行数据监视多个产品性能指标和多个过程变量之间的相关关系,帮助企业发现工业过程中存在的问题,因而受到现代工业过程越来越多的关注。MSPC通过对数据的统计分析,认识生产过程的内在特性、变化规律,并诊断生产过程发生异常的原因。由于MSPC只依赖于过程数据,因此具有很强的通用性。传统的MSPC通常要求过程数据满足高斯分布、线性、时不变、独立分布等条件,这对于复杂工业过程来说过于苛刻,在一定程度上影响了其实际应用范围。为此,针对过程存在非线性及动态等情况的时变过程,提出了适于在线使用的快速MSPC自适应监控方法,具体包括：（1）针对PCA（Principal Component Analysis）, KPCA（kernel Principal Component Analysis）和子空间辨识（Subspace Identification, SID）核心技术——EVD/SVD分解计算复杂度高的问题,基于标准NIPALS方法,提出了一个适用于EVD rank-k更新的快... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：157 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
1 绪论与综述
    1.1 研究背景
    1.2 复杂工业过程监控的特点
    1.3 统计过程控制简介
        1.3.1 单变量统计过程控制
        1.3.2 多变量统计过程控制
    1.4 统计过程监控方法的发展
        1.4.1 关于过程变量非正态分布的研究
        1.4.2 关于时变过程的研究
        1.4.3 关于非线性过程的研究
        1.4.4 关于动态过程的研究
    1.5 复杂工业过程统计监控中存在的问题
    1.6 论文结构与内容
2 自适应特征值分解更新方法
    2.1 引言
    2.2 协方差矩阵特征值分解更新相关研究
    2.3 自适应NIPALS(Adaptative NIPALS,ANIPALS)算法
    2.4 计算复杂度分析
    2.5 仿真研究
        2.5.1 计算效率分析
        2.5.2 计算精度分析
    2.6 小结
3 核PCA模型的自适应更新
    3.1 引言
    3.2 基本KPCA算法
    3.3 Gram矩阵的更新
        3.3.1 G的计算
        3.3.2 G的计算
        3.3.3 Gram矩阵的滑窗(Moving Window)更新算法G(?)G
        3.3.4 Gram矩阵的块式更新
    3.4 Gram矩阵特征值分解更新
    3.5 仿真研究
        3.5.1 过程描述
        3.5.2 精度分析
        3.5.3 更新效率分析
    3.6 小结
4 基于核PCA的非线性时变系统自适应监控研究
    4.1 KPCA模型参数确定
        4.1.1 核函数的选择
        4.1.2 主元数目的选择
        4.1.3 基于自适应AKPCA算法的快速交叉验证
        4.1.4 仿真研究
    4.2 丁烷-己烷精馏过程监控应用
        4.2.1 KPCA模型主元数估计
        4.2.2 过程监控研究
    4.3 小结
5 基于子空间辨识的动态过程自适应监控研究
    5.1 引言
    5.2 基本子空间辨识算法：MOESP和N4SID
        5.2.1 模型及符号说明
        5.2.2 MOESP算法
        5.2.3 N4SID算法
    5.3 自适应子空间辨识
        5.3.1 投影的更新
        5.3.2 扩展观测矩阵的更新
    5.4 投影更新计算复杂度分析
        5.4.1 自适应正交投影算法计算复杂度分析
        5.4.2 自适应斜投影算法计算复杂度分析
    5.5 仿真研究
        5.5.1 自适应MOESP算法性能分析
        5.5.2 自适应N4SID算法性能分析
    5.6 重油分馏过程监控应用
        5.6.1 过程描述
        5.6.2 监控实施过程
        5.6.3 过程监控结果分析
    5.7 小结
6 基于EIV模型的MRPLS监控方法研究
    6.1 引言
    6.2 预备知识
        6.2.1 PLS模型分析
        6.2.2 相关研究
        6.2.3 新PLS模型的提出
    6.3 MRPLS算法
        6.3.1 算法介绍
        6.3.2 MRPLS的几何性质
        6.3.3 降阶操作分析
        6.3.4 隐变量的获取
        6.3.5 自适应更新算法
    6.4 Error-in-variable PLS(EIVPLS)模型的辨识
        6.4.1 观测误差协方差矩阵已知时的EIV估计
        6.4.2 观测误差协方差矩阵未知时的EIV估计
    6.5 算法的实施与分析
        6.5.1 OPLS的实施
        6.5.2 Partial PLS算法的实施
        6.5.3 MRPLS算法
        6.5.4 计算效率分析
        6.5.5 模型辨识精度
    6.6 丁烷-丙烷-戊烷精馏过程监控应用
    6.7 小结
7 总结与展望
    7.1 研究工作总结
    7.2 挑战与展望
参考文献
攻读博士期间科研成果
作者简历


【参考文献】：
期刊论文
[1]基于NGPP-SVDD的非高斯过程监控及其应用研究[J]. 谢磊,刘雪芹,张建明,王树青.  自动化学报. 2009(01)
[2]基于免疫核主元分析的故障诊断方法[J]. 邓晓刚,田学民.  清华大学学报(自然科学版). 2008(S2)
[3]基于快速滑窗QR分解的自适应子空间辨识[J]. 谢磊,梁武星,张泉灵,张建明,王树青.  化工学报. 2008(06)
[4]Nonlinear Principal Component Analysis Using Strong Tracking Filter[J]. 丁子哲,张贤达,朱孝龙.  Tsinghua Science and Technology. 2007(06)
[5]Investigation of Dynamic Multivariate Chemical Process Monitoring[J]. 谢磊,张建明,王树青.  Chinese Journal of Chemical Engineering. 2006(05)
[6]基于动态主元分析的统计过程监视[J]. 陈耀,王文海,孙优贤.  化工学报. 2000(05)

博士论文
[1]基于KPLS的工业过程监测方法研究[D]. 胡益.华东理工大学 2014
[2]基于数据驱动的复杂工业过程故障检测方法研究[D]. 马贺贺.华东理工大学 2013
[3]基于统计理论的工业过程性能监控与故障诊断研究[D]. 许洁.南京航空航天大学 2010
[4]面向间歇发酵过程的多元统计监测方法研究[D]. 刘世成.浙江大学 2008
[5]间歇过程统计性能监控研究[D]. 谢磊.浙江大学 2005



本文编号：3294031