一种新的非线性FDA间歇过程监控方法

针对间歇过程非线性的特点,将核方法引入到Fisher判别分析(Fisher Discriminant Analysis,FDA)中,提出了基于多模型核多向Fisher判别分析(Multi-model Kernel Multi-way FDA,MKMFDA)的间歇过程非线性监测与故障诊断方法。该方法仅利用已获得的数据测量值对过程进行监控,避免了传统多向主元分析(Multi-way Principal Component Analysis,MPCA)方法对未来测量值的估计;且在线监控时通过比较核Fisher特征向量之间的欧氏距离来实现,而最优核Fisher判别向量用来鉴别故障类型。青霉素发酵过程应用表明,MKMFDA方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

基于RMKMFDA的间歇过程监测与故障诊断

针对间歇过程特点和基于多向主元分析(Multiway Principal Component Analysis,MPCA)的间歇过程监控方法的缺陷,利用核映射在处理非线性过程和Fisher判别分析(Fisher Discriminant Analysis,FDA)在故障诊断能力上的优势,提出了基于递推多模型的核多向Fisher判别式分析(Recursive Multi-model Kernel Multi-way FDA,RMKMFDA)的间歇过程监测与故障诊断方法。该方法采用多模型核多向Fisher判别分析(Multi-model Kernel Multi-way FDA,MKMFDA)非线性结构代替MPCA单模型线性化结构,并提出确定时滞变量的算法;一旦通过MKMFDA监测出某一新批次过程正常,则模型参考数据库就随之更新:在线监控时通过比较核Fisher特征向量之间的欧氏距离来实现,而最优核Fisher判别向量用来鉴别故障类型。该方法在实时监控新的批过程时,只需利用已收集到的数据信息,且在线递推地更新模型参考数据库,提高了间歇过程监控的准确性,克服了MPCA不能处理非线性过程和实时性问题。通过采用RMKMFDA与移动窗多向主元分析(Moving Window MPCA,MWMPCA)方法对青霉素分批补料发酵过程的实时监控,结果表明RMKMFDA比MWMPCA能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

一种新的非线性迭推多模型核MFDA的间歇过程监控方法（英文）

针对间歇过程特点和基于多向主元分析(Multiway Principal Component Analysis,MPCA)的间歇过程监控方法的缺陷,利用核映射在处理非线性过程和Fisher判别分析(Fisher Discriminant Analysis,FDA)在故障诊断能力上的优势,提出了基于递推多模型的核多向Fisher判别式分析(Recursive Multi-model Kernel Multi-way FDA,RMKMFDA)的间歇过程监测与故障诊断方法。该方法采用多模型核多向Fisher判别分析(Multi-model Kernel Multi-way FDA,MKMFDA)非线性结构代替MPCA单模型线性化结构,并提出确定时滞变量的算法;一旦通过MKMFDA监测出某一新批次过程正常,则模型参考数据库就随之更新;在线监控时通过比较核Fisher特征向量之间的欧氏距离来实现,而最优核Fisher判别向量用来鉴别故障类型。该方法在实时监控新的批过程时,只需利用已收集到的数据信息,且在线递推地更新模型参考数据库,提高了间歇过程监控的准确性,克服了MPCA不能处理非线性过程和实时性问题。通过采用RMKMFDA与移动窗多向主元分析(Moving Window MPCA,MWMPCA)方法对青霉素分批补料发酵过程的实时监控,结果表明RMKMFDA比MWMPCA能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

基于混合KPLS-FDA的过程监控和质量预报方法

提出一种基于核偏最小二乘(KPLS)与费舍尔判别分析(FDA)相结合的过程监控和质量预报方法—–混合 KPLS-FDA 方法.首先,利用 KPLS 提取过程数据的非线性特征,使用 FDA 建立 KPLS 的内部模型;然后,求出满足最大分离度的核 Fisher 特征向量和判别向量来实现状态监测,若系统运行正常,则根据 KPLS 回归模型预报产品的质量,否则利用 Fisher 相似度系数确定故障类型;最后,通过轧钢过程的仿真研究验证了混合 KPLS-FDA 方法的有效性.     

局部Fisher判别分析算法及仿真研究*

复杂化工过程常被多种类型的故障损坏,正常的训练数据无法建立准确的操作模型。为了提高复杂化工过程中故障的检测和分类能力,传统无监督Fisher判别分析(Fisher Discriminant Analysis,FDA)算法无法在多模态故障数据中的应用,本文提出基于局部Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)的故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提出的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(Kernel Fisher Discriminant Analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。     

一种新的间歇过程鲁棒在线监控方法

多向主元分析(MPCA)的统计监控模型,因为易受建模数据中离群点的影响,还需预估新批次未反应完的数据,所以提出一种新的间歇过程鲁棒在线监控法。先利用改进尺度的CDC/MVT算法获取常规建模的批次数据;再用多模型非线性结构代替传统的MPCA单模型线性化结构,并提出确定时滞变量的算法。前者用于监控β-甘露聚糖酶发酵批过程,并与移动窗多向主元分析(MWMPCA)法相比,即使建模数据中存在离群点,前者仍能获得正确的监控结果,减少建模时对数据的要求;同时克服了MPCA不能处理实时性的问题,避免了MPCA在线应用时预测值的误差;更能精确描述过程的故障,准确性和实时性良好。     

基于KICA-KFDA的集成故障识别算法

针对复杂的化工过程,提高过程监控能力,提出基于核独立成分分析（kernel independent component analysis,KICA）和核Fisher判别分析（kernel fisher discriminant analysis,KFDA）的过程监测与故障识别方法。通过利用核独立成分分析建立正常工况模型,得到检测故障信息。在发生故障的情况下,利用Fisher判别分析方法在高维的特征空间的特点和优势,可求出满足最大分离程度的核Fisher判别向量和特征向量,根据当前故障的判别向量和历史故障数据集中所含故障的最优核Fisher判别向量的相似度进行故障识别。仿真结果验证了所提方法的有效性。     

基于FCM的青霉素发酵分时段统计建模及监控

对间歇过程进行实时监测具有重要的现实意义,传统的多向主元分析方法(MPCA)是用单一的统计模型来表现原始数据的信息,没有考虑到大多数间歇过程由于操作条件或反应进程的改变,不同操作阶段的数据动态特性会不同,同一操作阶段的变量也往往具有高度非线性的特性,因此会导致一些重要信息的缺失。本文针对青霉素发酵过程固有的多时段特性,提出了一种基于模糊C均值算法的分时段过程监控算法,该方法以每个时刻数据矩阵的相似度指标作为聚类输入,以便准确的判断过程特性变化,实现间歇生产过程的阶段划分,进而用MPCA建立多时段过程监控模型,最后再利用相应的统计指标进行过程监测。将该算法应用于青霉素发酵过程的在线监测,实验结果验证了该方法的有效性和可靠性。     

BDPCA在线过程监测方法

针对基于多向主元分析(Muhiway Principal Component Analysis,MPCA)的方法在批过程故障监测中以样本观测相互独立作为假设前提条件,没有考虑到时间序列相关性的影响及需要对新批次未反应完的数据进行预估的缺陷,提出一种枇过程动态主元分析(Batch Dy-namic PCA,BDPCA)在线监测方法.该方法采用时滞变量将过程的静态和动态特征相结合,有效地去除了测量变量时间序列的自相关关系,并通过时滞窗口提供了在线监测方案,避免了对新批次未反应完的数据进行预估的需要,提出确定时滞变量的算法.将BDPCA应用于β-甘露聚糖酶发酵批过程的仿真监测,与移动窗多向主元分析(Moving Window MPCA.MWMPCA)法相比,仿真结果表明该方法能够更精确地对过程故障行为进行描述,具有良好的准确性和实时性.     

基于二维主元分析的间歇过程故障诊断

传统的多向主元分析(MPCA)已广泛应用于监视多变量间歇过程。在MPCA算法中,三维的间歇过程数据需要转换为高维的二维向量,导致计算量和存储空间大,同时不可避免地丢失一些重要信息。因此,提出一种新的基于二维主元分析(2DPCA)的故障诊断方法。由于每个批次的间歇过程数据是一个二维向量(矩阵),应用以各个批次矩阵为分析对象的2DPCA算法,避免矢量化,存储空间和存储需求小;另外,2DPCA采用各个批次的协方差的平均值来进行建模,能够更加准确地反映出不同类型的故障,在一定程度上增强了故障诊断的准确性。半导体工业实例的监视结果说明,2DPCA方法优于MPCA。     

产品开发过程支持系统的设计与实现

提出一种产品开发过程支持系统的体系结构,不仅支持过程的建模和执行,也实现了对过程的度量、分析、改进和异常处理的支持。研究了过程度量、过程仿真、过程改进和异常处理技术,设计和开发了相应的子系统。整个系统可以用于分布式异构环境中,可以很好地支持产品开发过程的管理与改进,同时能与其他系统进行集成。     

基于分层的过程构件分类描述的研究与应用

在以标准过程为基础的过程复用中,为解决传统的基于标准过程裁剪中标准过程只有单一抽象层次,造成裁剪工作量大的问题,提出了创建多抽象层次标准过程以满足不同应用需要;对相同功能不同抽象层次的过程采用继承机制简化定义,并根据现有的构件描述框架对不同层次的标准过程给出了不同的描述方案。最后通过一个实例对标准过程构件的分层结构与继承机制的描述方案进行了实现,并取得了一定的成效,为企业实施过程改进提供借鉴。     

关于软件过程工程概念框架的研究

本文叙述软件过程、软件过程并程概念的产生背景,对软件过程工程的概念框架进行研究及阐述。最后介绍一种软件过程工程概念框架的图表示法。     

基于过程结构树的过程模型变体匹配技术

随着过程模型的不断积累和演化,企业组织常常拥有并管理维护成百上千个业务过程模型.由于建模目标和应用场景的不同,参考模型的裁剪和定制以及模型的更新修改等因素,导致过程模型库中可能存在大量相似的过程模型变体.重点研究如何有效管理和识别过程变体之间的共同点和差异性,即自动化地构建过程模型变体之间的匹配关系.为了支持复杂对应关系,保证匹配关系查找效率和结果的有效性,提出了基于过程结构树的模型元素匹配关系构建技术,并进一步给出了基于树编辑距离的过程模型相似性度量方法.通过针对真实的过程模型集合的实验评估表明,该方法在查全率和查准率指标上表现出了良好的效果.     

航电软件开发标准与过程研究

随着综合模块化航空电子系统研究的深入,其软件开发标准的重要地位日益突出,ARP4754 和DO-178C共同构成了综合模块化航空电子系统软件开发的新标准。从标准内容与信息流程两方面论述了标准之间的关系,同时讨论了航电软件计划过程、开发过程和综合过程的子过程、目标及活动内容,提出了过程自动化和过程省略的基本概念与方法。     

支持领域复用的过程元模型

过程的复用问题如同软件本身的复用性，具有同样重要的意义．提出了一种支持领域复用的过程元模型．借鉴OO技术中的类继承概念，以表示领域业务过程间的共性以及抽象-特化父子关系；通过参数化模板机制的使用，增强过程的抽象表示能力．据此设计了独立于具体平台的过程定义语言，通过映射机制可转换为特定的过程定义语言如WSFL、WPDL等，从而可被各种工作流引擎执行．实现了过程建模工具PM Builder．     

过程工程的过程运作机制

面向过程工程环境的运作机制是过程工程环境中的一个重要组成部分，是提高管理人员的开发管理水平和开发人员的生产效率的一个有力武器。本文主要讨论了过程工程运作机制的功能，设计了一个以客户／服务器为基础的体系结构。     

软件过程环境的设计与实现

本文主要讨论了软件过程环境ISPE（integratedsoftwareprocessenvironment）的设计与实现．首先．讨论了ISPE的体系结构，介绍了可视化的过程建模语言VPMI，（vispalprocessmodelinglanguage）．然后，在这些内容的基础上，详细讨论了ISPE的几个重要的组成部分：过程编辑环境、过程分析和模拟环境以及过程运作环境．最后，本文给出了一个小结．     

一种基于模型精化的业务流程开发方法

如何高效组织建模过程和提高业务流程的重用效率是现代业务流程建模和再造过程中亟待解决的问题。传统的业务流程建模方法面向角色组织建模人员、面向单一实例组织流程制品,无法有效组织多人协作、降低流程重用成本。讨论了基于模型精化的流程建模方法,该方法基于流程模型的抽象级别组织建模人员和流程制品。研究还设计实现了使用该方法进行流程开发的分布式业务流程开发平台DMRB-BPMA,用于帮助企业规范和优化建模过程,通过内置的任务分发和流程合并机制有效地组织建模人员进行协作,指导其高效完成业务流程制品的重用。     

青鸟Ⅱ型软件开发环境中的软件过程管理系统

本文介绍青鸟Ⅱ型软件开发的软件过程管理ＪＢⅡｓｐｍｓ的设计与实现。ＪＢⅡｓｐｍｓ的功能包括软件过程模型的定义及实施、控制。软件过程模型可以从抽象与实现两个导次加以描述，并由过程控制机构 加以实施。ＪＢⅡｓｐｍｓ包括两个子系统：ｓｐｄ和ｓｐｃ。前者用于软件过程模型的定义，后者用于过程控制。软件过程管理系统引入，体现了青岛Ⅱ型软件开发环境设计上的先进性。