基于奇异值分析的多模式工业过程监测

详细信息    查看全文 | 推荐本文 |

	作者：郭辉 关键词：过程监测 ; 操作模式切换 ; 奇异值分解 ; 独立分量分析 ; TE过程 中文刊名：FJHG 英文刊名：Chemical Engineering & Equipment 机构：宁夏大学信息工程学院; 出版日期：2019-02-15 出版单位：化学工程与装备 年：2019 期：No.265 基金：宁夏高等学校科学研究项目(NGY2016078);; 宁夏自然科学基金(NZ15040);; 宁夏自治区研究生教育创新项目(YXW201708)资助 语种：中文; 页：FJHG201902099 页数：3 CN：02 ISSN：35-1285/TQ 分类号：233-235

摘要

为适应市场需求变化、生产计划调整等要求,现代流程工业过程往往在多种操作模式之间切换。针对此问题,提出基于奇异值向量相对变化的模式识别方法,将整个过程划分为平稳子过程与过渡子过程交替的结构,对不同子过程应用不同的独立分量分析统计模型进行在线监测,并在TE过程仿真平台上进行了验证。结果表明,这种方法可以降低多元统计过程监测系统的误报率,从而提高过程监测的准确性和可靠性,同时进一步扩展独立分量分析多元统计过程监测技术的应用范围。
        

引文

[1]刘强,秦泗钊.过程工业大数据建模研究展望[J].自动化学报,2016(2).
    [2]赵春晖,王福利,姚远,等.基于时段的间歇过程统计建模?在线监测及质量预报[J].自动化学报,2010,36(3).
    [3]齐咏生,王普,高学金,等.一种新的多阶段间歇过程在线监控策略[J].仪器仪表学报,2011,32(6).
    [4]王倩,李宏光.基于奇异值识别的模式切换过程递归PCA监控[J].化工学报,2012,63(9).
    [5]邓晓刚,张琛琛,王磊.基于多阶段多向核熵成分分析的间歇过程故障检测方法[J].化工学报,2017,68(05).
    [6]Lee J.M,Yoo C.K,Lee I.B.Statistical process monitoring with independent component analysis[J].Journal of Process Control,2004,14(5).