复杂非线性过程潜在初始故障的监测方法研究

项目名称： 复杂非线性过程潜在初始故障的监测方法研究

项目编号： No.61403256

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 王丽

作者单位： 上海应用技术学院

项目金额： 24万元

中文摘要： 核偏最小二乘（KPLS）是非线性过程监测的传统方法，与核主元分析（KPCA）方法相比，不仅考虑了过程操作变量也同时考虑了质量变量所发生的异常对过程状态的影响。但当过程出现潜在的初始故障及由于协方差结构发生变化而导致的过程异常时，KPLS可能失效。针对这个问题，本项目拟将统计局部方法（SLA）融入到KPLS监测的框架中，提出一种新的基于改进的KPLS的过程监测方法。然而，实际的流程工业过程还具有多分布、动态特性等特点，会导致由SLA技术所建立的模型准确性降低。针对多分布的情况，拟采用高斯混合模型（GMM）对数据进行分类，在子数据集上建立监测模型；针对具有动态特性的过程，借助递归的思想，提出一种新的基于递归核偏最小二乘（RKPLS）的动态非线性过程监测方法。通过以上的深入研究，可以改进和完善传统的非线性过程监测算法，提高监测模型的准确性和灵敏度，为监测技术的实际应用提供更多理论和方法上的指导。

中文关键词： 非线性过程；非高斯过程；动态过程；核偏最小二乘；统计局部方法

英文摘要： Kernel partial least squares(KPLS) is the traditional method for nonlinear process.Contrast to kernel principal component analysis(KPCA), KPLS based method can monitor abnomalities induced both by process operation variables and quality variables. However

英文关键词： nonlinear process；non-Gaussian process；time-varying process；kernel partial least squares；statistical local approach