基于混合模型的多模态复杂工业过程监测研究

Recently, with the urgent requirement of multi-type and high-quality products of the market, the efficient production process of multiple products become emphasis in many industries. The process safety and reliability have been the focus of engineers' attention. It should not only pay attention to process monitoring for stable modes, but also take the transitional mode between stable modes into consideration. Mixture model is proposed for multimode process monitoring according to the multimode process characteristics. We will attempt to make breakthroughs in these problems, such as, offline modeling data division, feature extraction for stable modes and transitional modes, mode identification and process monitoring for online data. The proposed methods and technology will be promoted into 1-2 typical complex industrial processes.

随着现代社会对多品种、多规格和高质量产品的迫切需求，具有多模态特性的复杂生产过程在工业中普遍出现。为了保障生产过程稳定、高效运行，需要对复杂生产过程中的多种稳定模态以及不同稳定模态间的过渡模态进行完整的过程监测。本项目针对多模态过程的特点，提出完整的多模态过程监测框架，利用混合模型实现对多模态复杂工业过程的监测。旨在解决建模数据离线模态划分、稳定模态和过渡模态特征提取、在线模态识别与过程监测等关键问题。同时把提出的多模态过程监测方法和技术推广应用到1-2个典型的复杂工业生产过程。

本项目针对复杂多模态过程在过程监测中所遇到的多种实际问题，进行过程监测及故障诊断联合方法研究。深入分析多模态过程特点，提出一系列包括模态识别、统计建模、数据特性分析、在线监测等新策略和新方法。针对多模态连续过程无法真正实现全自动模态识别的问题，提出一种基于“粗划分-细识别”两步策略的全自动离线识别方法；针对多模态连续过程不同模态的统计建模问题，结合了混合模型方法和单一高斯模型方法在处理多模态过程时的优势，提出一种基于概率的混合模型过程监测方法；针对过渡模态具有复杂动态特性的问题，分析过渡模态变量的相对变化及过程的时序动特性，提出了提取时序相关特性的局部建模方法；针对在线模态识别及监测问题，提出一种基于概率指标的在线数据模态匹配方法，通过贝叶斯隐藏概率匹配在线数据与离线模态，并根据变量之间的相关关系以及变量与过程控制性能评价指标之间的相关关系，准确监测并追溯可能导致过渡模态异常的过程变量。本项目所研究的监测方法不仅在理论研究上解决了复杂工业中多模态监测的一些问题，同时还以半实物过程为依托进行验证，为算法推广到实际工业应用中奠定基础，进一步论证了本项目的理论价值和应用价值。