【论文】间歇工业过程的统计建模、在线监测和质量预测.docVIP

摘 要 为了迎合现代社会瞬息万变的市场需求，现代过程工业正逐渐倚重于生产小批量、多品种、高附加值产品的间歇过程。由于间歇过程固有的多变量、多工序、变量时变性、反应复杂、工序运行时间不确定；以及间歇过程产品市场占有周期短等多种原因，以主成分分析(PCA)和偏最小二乘(PLS)为核心技术的基于过程数据的多变量统计建模方法逐渐成为一个重要的在线监测、故障诊断和质量改进的工具，用于保障生产过程的安全可靠运行以及连续稳定的产品质量。 目前被广泛应用于间歇过程的多向主成分分析(MPCA)和多向偏最小二乘(MPLS)模型，将一次间歇操作的所有数据当作一个样本，虽然可以有效地监视过程的整体运行状况，却很难进一步分析间歇过程中每一个子操作阶段的数据特征。这使得基于MPCA的过程监测算法对幅值较小的故障不甚敏感，而在线的过程监测和质量预测算法在很大程度上依赖于对未来测量值预估的准确程度。 本论文在深入研究间歇过程数据特征的基础上，重点研究间歇过程的多操作阶段特性，结合PCA/PLS在处理高维、高度耦合数据上的优势，提出了一系列基于间歇过程子操作时段的统计建模、过程监测和质量预测算法： 针对产生等长数据的间歇过程，研究过程变量相关关系随操作时间的变化特征，实现对间歇过程的子操作时段划分，并提出基于子时段的PCA建模和在线监测算法。 实际工业过程中，受各种因素的影响，间歇过程的每一次操作周期产生的过