PLS理念之工业过程监控科技概述及其应用.docVIP

　　PLS理念之工业过程监控科技概述及其应用 第1章绪论 1.1引言 随着控制科学的发展和工业技术的进步，现代工业系统的生产能力和现代化水平曰益提高。与此同时，系统的投资和规模也越来越大，复杂性变得越来越高。这类复杂的大系统一旦发生事故，有可能造成巨大的财产损失和人员伤亡。因此，为了保证生产过程的安全可靠运行，复杂系统的可靠性和安全性迫切需要得到提高，确保过程运行状况满足给定的性能指标，其提高的途径则是对生产过程的异常状况或出现的故障进行有效的检测、诊断和消除。另外，随着计算机技术的快速发展，大量的过程数据被采集并存储下来，因此在集控中心通常存有大量的过程数据信息以及故障报警信息，而操作人员往往很难根据这些无规则的数据识别和判断过程的运行状况，及时发现系统的异常，随之出现了所谓的数据丰富，信息缺乏的工业现象[1，2]。因此，如何有效地利用这些数据的深层次信息，提高过程监控能力，逐渐成为控制领域的研究热点之一。基于统计学方法的过程监控理论就是在这种背景下发展起来的。多元统计过程监控（Multivariate Statistical Process Monitoring, MSPM)的目标是通过构建统计性能指标来识别化工过程是否正常。这种过程监控方法的特点是根据采集得到的数据信息进行分析处理后够判断过程的异常情况或发生的故障。工业现场的操作员和维护人员通过观察和利用这些及时信息了解过程的当前状态，帮助这些人员快速有效地发现过程运行时发生的不正常行为，并针对性地采取必要补救措施，以使得设备安全运行，利润最大化，生产成本最小化[3]。 1.2过程监控概述 随着目前实际工业过程大型化、智能化发展，过程监控技术也取得了显著的突破。为了能够满足于不同类型的工业过程，过程监控技术逐渐被完善，不断被更新，新的理论、新的思路不断被研究学者提出，并做可行性分析，最后应用于实际的工业过程中。传统的分类方式一般将过程监控方法划分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类[6，\然而，随着多元统计方法在故障检测和诊断中的广泛应用，这种分类方法已显得不够全面，同时近年来理论研究的深入和相关领域的发展，产生了许多新的方法，因此传统的分类方法需要被更新修改。Venkatasubramanian等[8,总结了大量文献，将过程监控方法分为基于定性模型的方法、基于定性模型的方法、基于定量模型和搜索策略的方法以及基于过程历史的方法，这种分类将以往一贯归于基于知识的神经网络、专家系统等方法划为基于历史数据的方法，虽有其合理性，但不太符合科研人员的常规理解。文献[11]也从一个新的角度将过程监控方法进行了分类，分为基于解析模型的方法、基于定性知识的方法和基于数据驱动的方法，如图1.2所示： 第2章基于核PLS的非线性过程监控方法 2.1研究动机 作为一种线性投影技术，其基本思路是通过确定一系列相互之间不相关的特征信号，即主元信息(以正交向量的形式出现）来实现对原始变量的降维。它把观测空间分离成一个获取过程的系统趋势的子空间，和一个基本包含随机噪声的子空间。从数学上进行分析，PCA特征向量的提取过程就是对过程变量的协方差矩阵进行奇异值分解(Singular Value Deposition,SVD)的过程。自从1996年首次研究PLS算法以来，PLS算法己经广泛应用于化学计量学、稳态过程建模、动态建模，以及过程监控。在典型的工业过程中，输入变量之间是高度相关的。普通的最小二乘算法（OLS)在回归应用时存在病态性问题，导致过大的参数估计方差。而偏最小二乘算法通过在潜空间的正交投影提供了一个具有鲁棒性的参数估计解。在PLS算法中，涉及到显变量和隐变量两个基本概念。显变量是指直接观测到的变量，包括测量变量和质量变量IS它们可能难以有效地反映过程的变化特性；而隐变量是通过算法提取的变量，无法通过直接观测得到，但这些变量能很好地反映过程实际变化特性，有重要的意义，且通常为显变量的线性组合。 2.2核偏最小二乘（KPLS)算法 针对工业过程设备老化，催化剂效率降低和工作环境变化带来的工作点漂移问题，提出一种全新的结合递推偏最小二乘（RPLS)与移动窗偏最小二乘（MPLS的新方法既能通过扩增建模样本数量更好地反映过程当前状态，又能够利用新样本信息实时在线更新模型和控制限来适应工业过程变化。提出了一种新的并行潜结构投影的故障检测方法，用来监控影响质量的输出相关故障和输入相关的过程故障。输入和输出数据空间被投影到五个子空间中，包括一个输入输出联合子空间中，在该空间中可以得到输入和输出之间的协方差，一个输出主子空间，一个输出残差子空间，一个输入主子空间，和一个输入残差子空间。根据并发投影潜结构（CPLS)模型计算得到不同的监控指标来实现对不同类型的故障实现监控。该方法不仅在