基于多变量统计分析的数据挖掘工具在工业过程控制中的应用研究

《基于多变量统计分析的数据挖掘工具在工业过程控制中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文基于多变量统计分析的数据挖掘工具在工业过程控制中的应用研究摘要近年来，计算机技术和电子硬件的发展使得现代工业生产过程拥有相当丰富的生产数据资源。这些数据资源中隐含了大量的关于生产过程的有用信息。然而，没有有效的工具，只能从数据中抽取很少的有用信息。近年来，一些多变量统计分析工具已经成为备受关注的数据挖掘工具。将多变量统计分析方法融入传统的统计过程控制，就形成了多变量统计过程控制的基本框架。与传统的单变量统计过程控制相比，多变量统计过程控制考虑了变量之间的关联性；同时，通过将数据映射

2、至隐含的子空间，可以在降维的空间内监控隐含的变量。因而，多变量统计过程控制因考虑了所有的变量并提取过程变化的“方向”信息而克服了传统的单变量统计过程控制的不足，成为有效的数据挖掘工具。本论文的主要目的是研究多变量统计分析方法PCA与PLS的基本算法以及它们在统计过程控制中的应用。首先介绍了PCA的基本算法。当PCA模型用于统计过程监控时，使用多变量统计控制图如HotellingT2图以及SPE图来监控过程的运行性能。接着介绍了PLS的基本算法及其在统计过程监控中的应用，并对PLS建模过程中的一上海交通大学

3、硕士学位论文些具体问题做出讨论。如何找到引起过程异常的原因亦即故障诊断是统计过程控制中一个重要的研究课题，论文中介绍了几种有效的利用多变量统计分析的故障诊断方法。在详细介绍了PCA与PL$的基本算法以及将它们应用于多变量统计过程控制的方法之后，最后以一个过程仿真模型为基础，用仿真实验结果的数据分析进一步验证了PCA与PLS在多变量过程控制中的应用效果。有效地应用多变量统计过程控制，将隐藏在过程数据中大量有用信息挖掘出来，从而把数据资源的拥有优势转化为生产效益和产品质量优势，这是过程控制发展的必然趋势。关键

4、词：多变量统计过程控制，数据挖掘，主元分析，偏最小二乘lI上海交通大学硕士学位论文RESEARCHONTHEAPPLIC』钔rIONOFDATAMININGBASEDONMUIJTIVARIATESTATISTICALANALYSISINTHEINDUSTRIALPRoCESSCoNTROLABSTRACTAdvancementsincomputerandinstrumentationtechniquesallowmodemindustrialprocesstocollectandstoreaIargen

5、umberofmeasurementsinadatabase．Thesedatabasescontainextremelyusefulinformationaboutprocesses．However,withoutefficienttools，littleinformationcanbeextractedfromthesedatabases．RecentlNsomemultivariatestatisticaltoolshavebecomepopulardataminingtoolsWhencombin

6、ingthetraditionalstatisticalprocesscontrolmethodswithmultivariatestatisticalanalysistools，themultivariatestatisticalprocesscontrolmethodsareformed．Unlikethetraditionalunivariatestatisticalprocesscontroltools，multivariatestatisticalanalysismethodstaketheco

7、rrelationbetweenvariablesintoaccount．Theoriginalvariablesareprojectedintosubspacethroughsomedimension—reducedmethodsThemultivariatestatisticalanalysismethodsextractusefulinformationIII上海交通大学硕士学位论文aboutaprocessandbecomeefficientdataminingtoolsThemainobject

8、iveofthisthesisistoinvestigatethemultivariatestatisticalanalysistools(PCAandPLS)andtheirapplicationintheprocesscontr01．ThePCAalgorithmisintroducedfirstly．WhenPCAisusedforstatisticalmonitoring，themultivariatestatisti