基于多数据结构的集成质量监控方法Integrated-华东理工大学学报.PDF

华东理工大学（自然科学报） Xxx Journal of East China University of Science and Technology (Natural Science Edition) xxx DOI：10.14135/j.cnki.1006-3080.20180821002 基于多数据结构的集成质量监控方法 薛 敏， 杨 健， 谭 帅， 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：考虑到工业过程中，不同数据结构特征的提取方式可能会影响质量监控 性能，提出了一种融合过程数据集全局与局部结构特征的集成质量监控(Ensemble learning based multiple data structures quality monitoring ，E-MDSQM)方法。首先， 构建偏最小二乘(Partial Least Square，PLS) 、邻域保持回归(Neighborhood Preserving Regression ，NPR) 、局部全局主成分回归(Local and Global Principal Component Regression，LGPCR) 3 种基础模型，分别描述过程数据的全局结构、局部拓扑及局 部全局混合结构信息；然后，基于一种新的监控指标，采用遗传优化算法求得最优 权重，集成融合各统计量并确定控制限 ；最后，通过田纳西-伊斯曼 (Tennessee-Eastman process ，TE)过程仿真，评估集成模型的监控效果，并与PLS 、 NPR 、LGPCR 3 种基础算法比较，实验结果表明该集成模型可取得较好的综合效 果。 关键词：故障检测；质量监控；流形学习；集成学习 中图分类号：TP277 文献标志码：A Integrated Quality Monitoring Method Based on Multiple Data Structure X UE Min, YANG Jian, TAN Shuai, SHI Hongbo (Key Laboratory of Advanced Control and Optimization Technology for Chemical Processes, Ministry of Education, East China University of Science and Technology, Shanghai,200237,China) Abstract: Considering that the extraction method of different data structure features may affect the quality monitoring performance in industrial process, an integrated quality monitoring (E-MDSQM) is proposed, which integrates the global and local structure features of the process data set method. First, construct three basic models of Partial Least Square (PLS), neighborhood preserving regression (NPR), and local principal component regression (LGPCR) to describe the process separately. The global structure of the da