基于bdkpca的间歇过程统计性能监控研究

《基于bdkpca的间歇过程统计性能监控研究》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、分类号UDC密级学位论文193312／基于BDKPCA的间歇过程统计性能监控研究作者姓名：指导教师：申请学位级别：学科专业名称：论文提交日期：学位授予日期：评阅人：褚菲贾明兴副教授东北大学信息科学与工程学院硕士学科类别：工学控制理论与控制工程2009年6月论文答辩日期：2009年7月2009年7月答辩委员会主席：刘建昌李鸿儒、孙萍东北大学2009年6月7k■T■、●--●If≯独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同

2、志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：旎蒸。日期：工口驴7．7、J学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即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。本人同意东北大学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、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年盯一年半口学位论文作者签名：褚菲签字日期：aD口7．7IJ两年口导师签名：绥吲豸签字日期：二∞7．7t◆，东北大学硕士学位论文摘要基于BDKPCA的间歇过程统计性能监控研

3、究摘要对间歇生产过程进行监控的目的在于及时有效发现生产过程的非正常情况、保证生产安全、提高产品质量的一致性和降低生产成本。与连续生产过程相比，间歇生产过程特性更加复杂，数据具有多阶段、非线性、动态、多批次等特性，对其进行过程监控更加困难。间歇过程统计性能监控由于不需要过程精确的解析模型，所获得理论成果和方法能够较快的应用于实际工业生产过程中，因此被广泛研究，已成为过程控制领域的研究热点之一。‘本文在深入研究间歇过程数据特征的基础上，重点研究间歇过程的非线性特性和动态特性，提出了BDKPCA(Batchdynamickernelprincipalcomponent．na_lysi

4、s)和基于FVS(Featurevectorselection)的BDKPCA算法，并将它们应用于间歇过程的统计性能监控中。首先综述了流程工业过程监控的目的、必要性以及过程监控的主要方法。阐述了多变量统计过程性能监控的研究历史和发展现状，特别对间歇生产过程统计性能监控的发展现状及存在的问题进行了较完整的综述。介绍了多变量统计过程性能监控的理论基础和基本方法，给出了间歇过程统计性能监控实施的一般框架。针对间歇过程的非线性特性和动态特性，将核技术(Kernelprincipalcomponentanalysis，Ⅺ’CA)引入到BDPCA(Batchdynamicprincipal

5、componentanalysis)算法中，提出了一种基于BDKPCA的间歇生产过程统计性能监控方法，以间歇过程三维建模数据的每一个批次为工作对象，进行时间序列上的扩展和输入空间到特征空间的非线性映射，并在特征空间里通过计算各批次建模数据之间的平均统计特征，即平均核矩阵(Averagekernelmatrix，AKM)，来描述各批次建模数据之间所共有的或一致的数据结构和特征，使得所建立的统计过程监控模型更加准确，更能反映出间歇过程的运行本质。算法应用于在线监控时，无须估计未来时刻数据，准确性更高。基于动态非线性数学模型和青霉素发酵过程的应用表明：对于具有较强非线性特性和动态特性

6、的间歇生产过程，BDK_PCA算法能同时有效地获取三维建模数据中的非线性特性和动态特性，较MKPCA方法具有更好的监测性能。BDKPCA算法在建模数据的采样点个数较多时，存在计算量和在线监控所需存储空间激增的问题。针对于此，结合间歇过程三维建模数据的特点，对FVS进行了改进，并将改进后的FVS引入到BDKPCA算法中，提出了基于FVS的BDKPCA算法。该算法首先对建模数据进行FVS运算，得到采样点个数相对较少的样本子集，然后在样本一II—东北大学硕士学位论文摘要集上建立间歇过程的BDKPCA统计监控模型。基于青霉素发酵过程的应用表明：FVS技术在不影响BDKPCA算法在线监控

7、性能的前提下，能有效降低BDKPCA算法的运算量，减少其在线监控时所需的储存空间。在全文研究工作的基础上，提出了有待进一步研究的问题和今后研究工作的重点。关键词：间歇过程；统计性能监控；BDKPCA；AⅪ订；FVS—．III—．东北大学硕士学位论文AbstractResearchesonStatisticalPerformanceMonitoringandControlofBatchProcessesBasedonBDKPCAMethodAbstractTheobjectandmotivat