多变量统计过程控制的应用研究

《多变量统计过程控制的应用研究》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、塑翌查兰堡主兰垡堡塞——摘要j7任何一个生产系统经过长期运行和生产负荷变化后都不可避免地发生各种变化，这些变化又不可避免地影响产品质量，甚至引起重大经济损失。因此，除了采用严格的可靠性设计与管理外，建立一个合理的过程监控体系是安全生产和提高产品质量的保证。多变量统计建模方法是一种不依赖于过程机理的建模方法，其唯一需要的信息是过去成功生产过程数据的集合。随着生产过程系统自动化程度的提高和工业现场计算机设备存储容量的增加，采集和存储大量过程变量和产品质量数据已为多变量统计控制的应用奠定了基础。应用数学统计分析理论对生产过程进行产品质量监视和控制的方法称为统计过程控制

2、(SPC)。统计过程控制是获得合格产品质量的有效工具，同时也是过程性能监视和过程故障诊断的基础。统计过程控制包括单变量统计方法和多元统计方法。传统的单变量统计过程控制技术的局限性在于仅注意监视某一时刻的一个质量变量或关键过程变量，不适合分析变量间存在相关特性的多变量过程数据。建立在空间映射技术基础之上的多变量统计过程控制突破了单变量统计过程控制的局限性，它可以同时处理多维数据，成功地解决了原始数据空间维数过大、变量间自相关严重、干扰未知、信噪比低等问题。但是多变量统计过程控制也有一些局限性，比如多向主元分析实时在线应用中的精度问题。0本文从多变量统计过程控制的应

3、用性出发，探讨现有方法在过程控制两类典型生产过程——连续生产和间歇生产中实际应用及其存在的问题，提出解决方案，并尝试对主元意义作出物理解释，使得多变量统计过程控制更具有实用性。本文包括以下主要内容：1．简单介绍了统计过程控制的基本概念以及其类型和基本方法，综述统计过程控制的应用与发展现状，概括了其发展特点，概述了本文的研究内容。2．对主元分析和主元分析方法作了简单介绍，分析了主元分析的实质，提出几种主元分析的计算方法以及应用领域，提出对主元物理含义进行解释的意义和方法。l并以此为基础，介绍了主元回归和部分最小二乘方法，为应用打下理论基础。对于间歇过程，则可以采用

4、多向主元分析进行过程数据分析，并在此基础上提出了滑动窗口多向主元分析方法。)浙江大学硕士学位论文3．通过与单变量统计过程控制对比，指出其所固有的局限和问题，概述和总结了多变量统计过程控制中的主要统计量和基本分析处理方法，通过各种统计量，将多变量的多维数据转化为对统计量本身的单变量处理，对实际过程的监控提供了方向。4．以农药原料亚磷酸二甲酯的连续生产过程为应用背景，论述了对其进行多变量统计过程控制的意义，对该生产过程的物性参数和初始数据进行了推导和估计，并在经过简化的生产控制模型基础上进行了多变量统计过程监控和诊断仿真。5．以间歇生产过程冷凝结晶器的仿真程序为应用

5、背景，应用滑动窗口多向主元分析方法进行统计过程控制，说明该方法在间歇过程的监控和诊断中的作用和特点。，2最后对全文作出总结，归纳了本文解决的问题，指出了今后值得继续研究的方向。弋塑垩查兰堡主兰堡堡苎一——ABSTRACTAfterlongtimerunning，therearesomechangesinanyproducingsystem，whichwillinfluencethequalityofproductsunavoidably．Besidesstrictsupervisionandreliabledesign，thesettingupofasoundp

6、rocesssupervisionsystemcallensureandimprovethequalityofproducts．MultivariableStatisticalProcessControl(MSPC)isamodelingmethodonlydependingontheprocesspastdataforthispurpose．Incompanywiththeadvanceofautomationlevelandtheincreaseofcomputermemorycapacityinworkingsite，thecollectionandsto

7、rageofprocessdatalayfoundationforMSPC．ThemethodtoapplythestatisticalanalysistheoryinsupervisionofqualityofproductinmanufactureprocessisStatisticalProcessControl(SPC)，whichistheeffectualtooltogeteligibleproductandthefoundationforsupervisingprocessperformanceandfaultdiagnosis．SingleVar

8、iableStatist