基于MFDA—PCA的间歇过程故障诊断方法研究

针对传统MPCA间歇过程故障诊断方法存在的在线数据不完整及实时性差缺陷,提出一种基于MFDA-PCA间歇过程的在线批次故障诊断方法．通过MFDA对在线批次正常部分与历史批次进行相似度分析,利用相似度最优的批次建立PCA模型,对在线批次数据进行实时分析,完成对整批生产过程在线监控及故障诊断的任务．最后以青霉素发酵仿真实验验证了该方法的有效性和快速性．     

一种新的间歇过程多模式辨识方法

针对间歇过程的多模式划分问题,提出了一种基于主角度相似度比较的多模式划分新方法,有效克服了噪声或冗余数据对模式划分的影响.该方法的基本思想是利用PCA对间歇数据按时间轴进行主成分建模,然后利用主角度这一用于比较子空间相似度的方法进行主元模型相似度比较,从而对各个模型和过渡过程进行有效辨识和划分;在此基础上,对上述方法进行了深入分析,改进并完善了主角度相似度划分标准,使这一方法更趋完善.仿真结果检验了所提方法的有效性.     

基于批次加权正则极限学习机的发酵过程软测量

为实现发酵过程重要变量的预测,提出基于批次加权正则极限学习机的软测量模型。结合发酵过程中各批次变量变化轨迹与发酵初始条件密切相关的特点,采用欧式距离描述各训练批次初始条件与预测对象初始条件之间的相似度,设计了一种新的相似度量化函数求解各训练批次的惩罚权值,实现了批次加权正则极限学习机建模;另外,针对正则极限学习机中的超参数估计问题,采用贝叶斯方法对超参数进行估计,降低了计算代价且实现了参数自适应估计。将其应用于青霉素发酵过程产物质量浓度的软测量中,仿真结果表明该方法预测精度高,效果好。     

基于参数批次调整模型的间歇精馏最小时间优化策略

针对间歇精馏过程优化计算中模型的准确性和计算复杂度之间的矛盾,提出了一种确定馏出液摩尔分数和操作时间的简化模型.该模型假定在塔釜内轻组分摩尔分数固定的情况下,馏出液平均摩尔分数与回流比变化量之间呈线性关系,其比例定义为回流比调节敏感系数.利用间歇精馏的批次重复操作特点,提出了模型敏感系数沿批次指标的在线更新机制,保证了简化模型在不同生产状态下的准确性.基于该简化模型,以回流比为优化决策变量,提出了针对最小生产时间问题的优化方案.利用Aspen Batch Distillation(ABD)中的模型作为实验对象原型,进行了优化算法的仿真实验.仿真结果表明基于批次参数调整策略的最小时间优化方案能够实现优化指标随生产批次的增加而不断减少.     

间歇过程统计监控的OFA同步化方法及其改进

在实际的间歇生产过程中,由于各种原因会导致各批次运行时间的不一致,而无法直接建立有效的统计监控模型.应用正交函数近似(OFA)法,通过把原始数据在正交基上进行投影,并用相应的投影系数来代替原始数据所具有的特征,可以达到轨迹同步化和压缩数据量的目的.本文对OFA法的可行性进行了仿真验证并提出了一种改进的OFA同步化方法,使得该方法可以更快速而有效地处理运行时间长、采样样本大的间歇过程,而且可以提高监控的实时性以适用于某些具有实时性要求的系统过程监控中.     

基于时变偏扰模型的间歇过程迭代学习控制

为了克服模型与过程间的偏差,提出了一个基于时变偏扰模型的间歇过程迭代学习控制方法.利用主元回归(principal component regression,PCR)和部分最小二乘(partial least squares,PLS)方法,可以得到过程对象在正常运行轨迹附近线性化的模型.前一批次的模型预报误差被用来修正当前批次的模型预报值.每完成一个批次就利用新得到的数据对模型进行更新,该更新的模型也是在前一批次的控制轨迹基础上进行线性化得到的.主元回归和部分最小二乘方法能克服批次内不同阶段的控制量存在的相关关系从而得到更准确的模型.仿真结果表明:基于PCR和PLS模型的控制效果要好于基于多元线性回归(MLR)模型的控制效果.     

一种多向CPLS方法及其在间歇过程监控中的应用

将并行偏最小二乘（CPLS）算法引入到间歇过程监控中,提出一种多向并行偏最小二乘（MCPLS）监控方法.CPLS算法可以提取过程变量与质量变量的相关信息,也能对彼此不相关的信息进行主元提取.与基于PLS的监控方法不同,基于CPLS的过程监控方法提供了一个完整的监控框架,不仅能够监控过程变量,而且也能监控质量变量的信息,更好地反映了过程的运行状态.文中首先将间歇过程三维数据转换为二维数据,然后应用CPLS算法建立过程监控模型,构建T2c,T2x,Qx,T2y,Qy监控指标,并通过间歇过程批次间的统计特性计算出监控指标控制限,分别监控过程变量与质量变量的相关信息、彼此无关信息以及残差信号等.最后将MCPLS算法应用到青霉素发酵过程的监控中,应用结果表明了该方法在间歇过程监控中的有效性和优越性.     

基于支持向量回归模型的间歇过程优化

针对间歇过程的优化问题,提出了一种基于支持向量回归模型的批次到批次的优化控制策略。通过对支持向量回归模型在当前控制轨迹处的线性化,构造了一种批次到批次的优化控制方法。在苯乙烯聚合反应器的仿真实验中,该方法能够在存在模型失配与过程扰动的情况下,逐批次地改善过程性能。     

一种新的间歇过程故障检测方法

针对间歇过程的多阶段问题,提出了一种新的划分阶段策略,可以将多阶段的数据进行准确的聚类,得到精确的阶段数目,避免陷入局部最优,提高了建模精度和故障检测准确度。首先采用不同展开方法相结合的方式对三维的间歇过程数据进行处理,消除了数据预估问题;其次结合图划分准则利用谱聚类方法将处理后的数据进行准确的阶段划分,并运用PCA建模方法分别对每一类进行建模;最后通过合适的模型对数据进行在线监控。通过青霉素仿真过程验证了本文方法的有效性。     

基于PLS模型的自适应间歇过程质量预测

间歇生产过程中,很多质量指标不能在线测量,导致过程很难控制。该文应用部分最小二乘(PLS)方法建立软测量模型,通过批次初期在线测量的过程变量对最后的产品质量进行预测。同时,利用过程中得到的中间质量测量值对最后的预测结果进行修正。为了解决过程参数随时间变化的问题,在每个批次结束后利用新数据对原模型进行更新。将该法用于异丁烯酸甲酯(MMA)聚合反应过程,仿真结果显示,该法能够克服过程参数变化的影响,有效地预测最后的产品质量。