多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法，使系统具备一定的自学习和自组织的能力。仿真研究和现场运行试验表明，提出的控制方法能够满足浮选过程控制的要求。     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力.仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求.     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力。仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求。     

多变量统计过程控制在浮选生产过程中的应用

针对浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种用于阳离子浮选过程的多变量统计过程控制药剂流量方法,使系统具备一定的自学习和自组织的能力.仿真研究和现场运行试验表明,提出的控制方法能够满足浮选过程控制的要求.     

多变量统计过程控制诊断技术的进展

对多变量统计过程控制(MSPC)诊断技术进行了分类,概述了它们的原理和方法,并对其优缺点进行了评述.     

基于多变量统计方法的产品质量控制

提出了一种多变量统计质量控制方法来减小由于过程扰动引起的产品质量变化.该方法首先通过正常工况的历史数据,建立一个部分最小二乘的回归模型,利用高采样频率的过程测量值来预测质量变量的值.预测误差作为部分最小二乘逆模型的输入得到过程操纵变量的调节量,通过调节过程操纵变量来抑制过程扰动,减小质量变量的变化.所提出的多变量统计质量控制方法在TE过程中得到了验证.仿真结果表明,与传统的PID质量控制方法相比,所提出的方法能减小由过程扰动引起的质量变化.     

多工序过程自相关数据的统计监测

结合状态空间模型和统计过程控制方法,建立了多工序生产过程中的自相关数据控制图,给出了平均运行长度的计算公式,并采用Matlab软件模拟实际生产过程所产生的自相关数据.同时,通过生产实例,演示了此方法的应用步骤.结果表明,所建立的自相关数据控制图在受控状态下的报警率很低,而在失控状态下的报警率较高.     

用多变量统计分类技术控制扑热息痛质量

研究了用近红外反射一阶导数光谱法控制扑热息痛粉末药品质量的可能性．用多变量统计分类技术（逐步聚类分析、主成分分析和逐步判别分析）于扑热息痛粉末的一阶导数光谱，成功地鉴别了合格药、劣药划假药．     

多变量过程监控的D控制图

针对如何将大数据技术与传统的多元控制图相结合,以获得一个具有自学习性的控制图的问题,以支持向量数据描述(SVDD)为构建基础,提出一个基于支持向量数据描述的D控制图.该D控制图通过对在控数据的学习,自适应地构建出自己的监控模型.仿真实验及工业实例表明:D控制图在多变量制造过程中的表现优于T²控制图,是一个理想的监控模型.     

多变量过程传感器故障检测的SVM方法

提出一种适用于具有纯滞后多变量过程的传感器故障检测方法.该方法结合支持向量机回归算法与数据驱动的信息融合技术,给出一种采用广义支持向量机观测器的传感器故障检测、分离和数据恢复系统的架构.每个关键传感器都配置一个由过程输入和除被监视传感器之外的过程输出共同驱动的观测器,对传感器实际输出与观测器输出进行了比较,并对数据的有效性进行了确认.多组分精馏塔系统实验表明,该方法能够对过程传感器故障进行检测,并且具有较好的鲁棒性.     

基于投影变换的多元统计过程控制与诊断模型

针对多元统计过程控制图中变异源的识别问题,给出了基于投影变换的多元过程控制和诊断模型,将原始样本数据通过投影变换,转换为相互独立的数据,然后对各独立变量分别构建控制图,从而达到控制多元过程的目的．恰当地构造变换矩阵,使转换后的样本数据的协方差矩阵为单位矩阵．由于转换后的各变量相互独立,可通过多个控制图的联合报警概率的计算,建立联合概率控制图,对过程进行整体控制;利用转换矩阵,可发现导致异常的原因．最后通过对手机摄像头聚焦度测量结果的分析将该方法进行了验证．结果表明,所提的多元过程控制方法与产控帆图的结果基本相同,并可以指示出过程变异的原因．     

GARCH型相关过程及其质量控制图

化工等连续生产过程，质量指标常常表现出自相关性，违返了常规控制图的独立性假定，一般的修正方法都是基于ARMA模型表示质量过程，本文应用GARCH时间序列模型，建立了GARCH型自相关的质量过程，并提出了GARCH型控制图，为条件异方差的质量自相关过程控制提供了处理工具，可以解决实际工作中因设备，原材料或操作因素等使质量波动幅度变化的过程控制问题。     

基于路径图的多元统计过程诊断

针对多元统计过程控制图中失控信号的诊断问题，提出了基于路径图的多元统计过程诊断方法.利用路径图给出的变量之间定量化的因果关系，对所有变量分别建立对应的线性回归方程，以得到联立方程模型.通过联立方程模型建立了统一的T2统计量分解方式，并构建了分解式中所有分解项的判定界限，将其作为判定引起失控信号产生的根本原因的标准.通过对三元系统仿真，验证了其有效性.     

Application of Kernel Independent Component Analysis for Multivariate Statistical Process Monitoring

In this research,a new fault detection method based on kernel independent component analysis (kernel ICA) is developed.Kernel ICA is an improvement of independent component analysis (ICA),and is different from kernel principal component analysis (KPCA) proposed for nonlinear process monitoring.The basic idea of our approach is to use the kernel ICA to extract independent components efficiently and to combine the selected essential independent components with process monitoring techniques.I2 (the sum of the ...     

Multivariate Statistical Process Monitoring Using Robust Nonlinear Principal Component Analysis

The principal component analysis （PCA） algorithm is widely applied in a diverse range of fields for performance assessment, fault detection, and diagnosis. However, in the presence of noise and gross errors, the nonlinear PCA （NLPCA） using autoassociative bottle-neck neural networks is so sensitive that the obtained model differs significantly from the underlying system. In this paper, a robust version of NLPCA is introduced by replacing the generally used error criterion mean squared error with a mean log squared error. This is followed by a concise analysis of the corresponding training method. A novel multivariate statistical process monitoring （MSPM） scheme incorporating the proposed robust NLPCA technique is then investigated and its efficiency is assessed through application to an industrial fluidized catalytic cracking plant. The results demonstrate that, compared with NLPCA, the proposed approach can effectively reduce the number of false alarms and is, hence, expected to better monitor real-world processes.     

动态可调主元分析的多元自相关质量控制方法

为解决在复杂产品制造过程中由多元质量数据自相关引起的大量虚发报警问题,以提高产品制造过程中监测的准确性,提出了一种动态可调的主元分析(DRPCA)方法.通过对主元分析方法引入折息因子,构建了多个参数可调的动态主元分析(PCA)算法.利用实验数据计算各变量的特征值和贡献率,来确定主元个数,降低多元自相关过程的计算复杂度,消除数据间的自相关.根据计算的各变量的每个主元负荷值来确定主导变量,结合多变量控制图和主导变量控制图,对多元自相关制造过程进行了实时监测.研究结果表明:DRPCA方法不仅能够消除数据间的自相关,减少制造过程中的虚发报警,而且可以准确地检测出制造过程中的异常变量.     

基于批均值的自相关过程EWMA控制图

给出基于批均值构造新过程的方法,证明了新过程仍然是平稳过程。针对q阶滑动平均过程(MA(q))给出了新过程的标准差截断公式,利用该公式构建修正EWMA控制图,并通过随机模拟给出平均运行批长。并将此控制图与利用新过程标准差构建的EWMA控制图和批均值控制图进行了比较,控制图和平均运行批长均表明利用标准差截断公式构建的修正EWMA控制图不仅优于批均值控制图,而且具有和利用新过程标准差构建的EWMA控制图相同的控制性能。由于新过程包括了原过程的几乎全部信息,所以在新过程的基础上设计的修正EWMA控制图能够完全反映原过程的生产情况。而修正EWMA控制图构造简单,易于实施,因此对现代生产过程具有很强的可行性和很高的利用价值。     

统计过程控制中X-R控制图的改进算法研究

传统的X-R（均值-极差）控制图虽然能反映整个过程的变化趋势,但只对较大的偏差反应灵敏,对持续的、较小的偏差反应迟钝．一种基于预测模型的改进算法能较好地反映较小偏差的变化,并以实例加以比较．     

多指标质量控制

介绍三种对多指标的质量控制方法，第一种方法是用一个标量控制多变量总体的均值向量和协方差矩阵；第二是用两个标量分别同时控制均值向量和协方差矩阵；第三是针对均值向量的对称性的控制方法