基于变量概率信息的因子分析监控方法aprocess-化工学报.pdfVIP

化工学报 2017 年 第68 卷 第7 期 | CIESC Journal, 2017, 68(7): 2844-2850 ·2844 · DOI ：10.11949/j.issn.0438-1157 基于变量概率信息的因子分析监控方法 胡婷婷，王帆，侍洪波 （华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237 ） 摘要：因子分析（factor analysis，FA ）将噪声因素加入到建模过程中，可通过最大期望（expectation maximum， EM ）算法建立模型。传统的 FA(ST)指标仅利用了变量的期望信息而忽略了更能代表不确定性的方差信息，这可 能会导致故障的漏报。通过对过程变量的概率分析，从本质上揭示了FA(ST) 的这一缺陷。建模过程中的另一个重 要因素是确定因子个数，使得在降维的同时能最大程度地保留对过程有用的信息。针对传统监控指标信息不足的 问题，提出的负对数似然概率（negative log likelihood probability，NLLP ）指标整合了更全面的概率信息；针对因 子个数给定的问题，提出了一种整体-局部因子数确定法，使得因子和变量对于过程的信息解释率都达到收敛。最 后通过数值例子和Tennessee Eastman （TE ）过程验证了所提方法的有效性和优越性。 关键词：因子分析；参数估计；过程控制；信息解释率；统计分析 中图分类号：TP 277 文献标志码：A 文章编号：0438—1157 （2017 ）07—2844—07 Factor analysis process monitoring method based on probabilistic information of variables HU Tingting, WANG Fan, SHI Hongbo (Key Laboratory of Advanced Control and Optimizationfor Chemical Processes of Ministry of Education , East China University of Science and Technology, Shanghai 200237, China) Abstract: Factor analysis (FA), which noise factors are taken into consideration, can establish probabilistic generative model by the expectation maximum (EM) algorithm. However, traditional FA (ST) index may lead to missed fault alarms by utilizing only expectation information of variables and ignoring variance information of variables that is more representative of uncertainty. The drawback of FA (ST) index was revealed by probabilistic analysis of process variables. Another impor