基于RMKMFDA的间歇过程多元统计监控研究

间歇过程准确的数学模型很难获得，基于数据驱动的多元统计法源于历史数据，不需要过程精确的数学模型，已成为当今国际过程控制领域研究的热点。本项目针对间歇过程"有限生产"和"无现实稳态性"的主要特点，提出基于递推多模型的核多向Fisher判别式分析(RMKMFDA)的间歇过程多元统计监控法。该法首先针对间歇过程"有限生产"表现出的批次轨迹不同步和存在离群点问题，提出动态时间错位理论和改进尺度的鲁棒离群点检测算法，对建模历史数据进行预处理；然后在获得正常建模批次数据的基础上，针对间歇过程"无现实稳态性"表现出的动态非线性本质特性，提出RMKMFDA的建模法，以建立适合间歇过程特点的统计监控模型；最后基于故障子空间思想和故障重构理论，研究和提出主元和残差子空间的故障重构理论。通过仿真与实验验证，为间歇过程监控提供有效的精确监控技术。项目研究成果将在制药、精细化工等间歇过程工业领域具有广泛的应用前景。

间歇过程准确的数学模型很难获得，基于数据驱动的多元统计方法源于历史数据，不需要过程精确的数学模型。本项目针对间歇过程“有限生产”和“无现实稳态性”主要特点，基于多元统计方法主要研究了间歇过程多元统计监测与故障诊断问题，提出了间歇过程建模历史数据预处理、统计监控建模、统计量控制限的确定及故障诊断方法。.首先，针对间歇过程“有限生产”表现出的批次轨迹不同步和存在离群点问题，基于动态时间错位理论，提出了一种对称式动态时间错位批次轨迹同步化方法。基于鲁棒离群点检测算法，通过对不同尺度的中心化和标准化方法及鲁棒离群点检测算法的对比研究，提出了改进尺度的中心最短距离/椭球多变量整理的离群点去除方法。.接着，在获得正常建模批次数据的基础上，针对间歇过程“无现实稳态性”表现出的动态非线性本质特性，从多元统计动态隐变量的角度对这一特性进行了理论分析，研究了核映射处理间歇过程非线性的性能，以此确定将核方法引入到多向Fisher判别分析(MFDA)中，并通过移动窗技术，建立了用多模型非线性结构代替单模型线性化结构的方法；在此基础上，研究并提出了确定时滞变量的算法，通过用时滞变量来确定移动窗大小，进一步提出了基于递推多模型核MFDA(RMKMFDA)的间歇过程统计监控建模方法，建立了适合于间歇过程特点的动态非线性统计监控模型。.然后，针对统计监控模型的特征向量的欧氏距离监控统计量，无法知道其确切的统计分布情况，基于核概率密度估计理论，研究了该统计量控制限的确定问题，提出了偏平均集成平方误差交叉验证法确定核密度估计的带宽，给出了核窗的快速选择算法，并依此建立了统计量控制限的确定方法。.最后，在监控模型和统计量控制限基础上对监测出的故障进行故障诊断，基于故障子空间和主元分析及故障重构技术，分析了主元和残差子空间的故障可检测性、可重构性及可分离性问题，完整地获得了故障可检测性、可重构性及可分离性的必要充分理论条件；推导出了可检测性、可重构性及可分离性条件指标的数学表达，指出可检测性、可重构性条件指标的计算只需要正常工况下的数据，通过计算可检测性、可重构性条件指标，就可事先了解各故障性质。在此基础上，进一步研究了主元子空间统计量的故障诊断问题，通过故障重构获得了主元空间中的故障识别指标和识别算法。逐步深入地解决了基于故障子空间和主元分析的故障诊断问题求解，为基于这类方法的故障诊断提供了理论指导。