基于时段的间歇过程监测研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 独 创 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含未获得 （注：如没 有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示谢意。 学位论文作者签名： 签字日期： 年 月 日 --------------------------------------------------------------------- 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下 事项： 1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。 2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印用于出版和编入 CNKI《中国知识资源总库》，授权中国科学或扫 描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊(光盘版) 电子杂志社”技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签字： 签字日期： 年 月 日 签字日期： 年 月 日 基于时段的间歇过程监测研究 基于时段的间歇过程监测研究 基于时段的间歇过程监测研究 摘 要 近年来，随着过程工业的不断发展，现代社会对多品种、高质量的产品的需 求越来越迫切。间歇过程以能够生产小批量、高附加值的产品而得到了广泛关注， 目前已经被广泛应用于医药、聚合物反应、染料、金属加工、生物制品等精细化 工生产中。作为现代工业中的一种重要的生产方式， 间歇生产过程的安全性和 可靠性以及最终的产品质量已经成为人们关注的焦点。多变量统计分析方法在建 立监控模型时仅需收集正常工况下的过程数据，并且它们在处理高度耦合的高维 数据时具有显着优势，因此越来越受到研究人员的青睐。将多变量统计分析方法 应用于间歇过程的统计建模及在线监测等方面已经成为广泛的研究课题。不同于 连续生产过程，在间歇生产过程中数据的相关关系以及过程动态的变化情况要复 杂的多。一个操作批次被分为若干子时段，不同的子时段具有不同的数据特征和 过程相关特性，因此，针对多时段间歇过程的多变量统计分析更具挑战性。需要 在关注整个过程的运行状况的同时深入分析每个子时段的潜在过程特性。 本论文对多变量统计分析方法在间歇生产过程中的研究现状进行了分析，同 时深入研究了间歇过程的多时段特性，以解决实际生产问题为根本出发点，提出 了自己的研究内容，完善并改进了多时段间歇过程的在线监测和故障诊断等内容 本文主要做了如下几个方面的研究： （1）介绍了针对间歇过程的多变量统计分析技术，深入研究了该技术的基 本原理和数据预处理方法，通过对目前较为常用的几种数据预处理方法进行分析 和比较，找出了其中存在的不足。提出了一种正规化沿批次方向数据展开法，该 方法以沿批次方向数据展开为基础同时考虑了时间延迟，从而在保持了这种方法 的优点的同时避免了在建立过程监测模型时需要大量批次数据的问题。 （2）针对多时段间歇过程中存在的时段过渡现象，在利用 K-means 法进行 时段划分的基础上，考虑了时段间的过渡区域，提出了基于过渡的软时段划分法， 该方法按照过程潜在特性随时间的变化将每个间歇操作批次划分成多个不同的 子时段以及子时段之间的过渡区域。在对多时段间歇过程进行统计建模和在线监 测之前，先采用正规化沿批次方向数据展开方法对过程数据进行预处理，然后利 用软时段划分法将间歇操作过程分成不同的子时段，最后分别对每个子时段建立 1 统计模型。 关键词：多时段间歇过程,多变量统计分析,主成分分析，统计建模,过程监测 2 Phase-based Batch Process Monitoring Abstract In recent years, with the continuous development of process industry, the requirement of modern social for products with various varieties and high quality has become more and more urgent. Batch process has been widely concerned because of its ability to produce low-volume and high value-added products and has been widely used in