基于多项式滤波算法的自适应稳态检测

提出一种基于多项式滤波的自适应稳态检测方法.该方法采用滑动窗口方法对当前窗口内的数据进行多项式滤波,根据滤波后的多项式的一次项系数的大小判断测量信号的稳态与非稳态,而滤波窗口长度可根据训练样本自适应地确定.与现有方法相比,基于多项式滤波的自适应稳态检测方法具有实现简单、运算速度快、适用于信号的在线自动稳态检测.通过非绝热连续反应釜的仿真验证了本方法的有效性.     

基于约翰逊转换的鲁棒化工过程监控方法

化工厂中一个小故障可能导致大事故,从而造成生命财产损失和环境破坏。为了防止小故障演变成大事故,化学工业需要有效的过程监控来及时检测故障和诊断故障原因。传统化工过程监控方法主元分析法(Principal Component Analysis, PCA)假设数据服从高斯分布,实践中有时并不满足该条件。此外,其使用方差、协方差捕捉数据非线性变化时,鲁棒性较差。本工作提出一种改进的主元分析法—基于约翰逊转换的鲁棒过程监控方法。首先引入约翰逊正态转换(Johnson Transformation)使过程数据服从高斯分布;其次使用鲁棒性强的斯皮尔曼相关系数(Spearman Correlation Coefficient)矩阵代替传统主元分析法的协方差矩阵提取特征向量,构造特征空间;最后将过程数据投影到特征空间,使用T2和SPE统计量实施过程监控。将此方法应用于TE过程故障案例,并与PCA和核主元分析法(Kernel Principal Component Analysis, KPCA)对比,验证了此方法的有效性。     

基于核PLS方法的非线性过程在线监控

针对过程监控数据的非线性特点,提出了一种基于核偏最小二乘（KPLS）的监控方法。KPLS方法是将原始输入数据通过核函数映射到高维特征空间,然后在高维特征空间再进行偏最小二乘（PLS）运算。与线性PLS相比,KPLS方法能充分利用样本空间信息,建立起输入输出变量之间的非线性关系。与其他非线性PLS方法不同,KPLS方法只需要进行线性运算,从而避免非线性优化问题。在对过程进行监控时,首先采用KPLS方法建立模型,得到得分向量,然后计算出T²和SPE统计量及其相应的控制限。Tennessee Eastman(TE)模型上的仿真研究结果表明,所提方法比线性PLS相似文献   

基于小波变换消噪和盲源信号分离的过程监控方法

针对过程信息不可避免地受噪声污染,提出了一种基于小波变换消噪和盲源信号分离的过程监控方法.该方法首先利用小波变换对过程测量信号消噪,再根据信息最大化准则提取盲源信号,然后利用Parzen窗法建立盲源信号的控制限及相应的过程监控图.通过对一个非等温连续搅拌过程（CSTR）的仿真研究表明,该方法是有效的.此外,为了与传统基于盲源信号分离的过程监控方法做比较,还进行了相应的对比研究.结果表明,对过程测量信息首先进行小波变换消噪能够提高过程的监控性能,减少过程故障的误报率和漏报率,从而进一步证实了方法的有效性.     

基于LTSA的FS-SVDD方法及其在化工过程监控中的应用

基于支持向量数据描述(SVDD)方法的非高斯过程监控和故障诊断具有众多优点。然而在对SVDD离线建模时需要在整个训练样本集上操作,对大样本集计算量相当大,也不利于在线操作时模型的更新。对此提出一种基于特征样本的SVDD(FS-SVDD),采用特征样本提取方法用少数几个特征样本代替原始数据集进行训练,显著降低了建模复杂度。同时,针对传统的线性降维算法如主成分分析(PCA)存在的提取过程数据非线性结构能力不足的缺点,首先用局部切空间排列(LTSA)方法提取出低维子流形,进行有效的维数约减;接着在这个低维子流形上执行SVDD算法;最后,利用相应统计指标进行过程监控。在TE过程上的仿真表明上述方法的有效性。     

一种基于改进MPCA的间歇过程监控与故障诊断方法

针对基于不同展开方式的多向主元分析(MPCA)方法在线应用时各自存在的缺陷,提出一种改进的基于变量展开的MPCA方法,实现间歇过程的在线监控与故障诊断。该方法采用随时间更新的主元协方差代替固定的主元协方差进行T²统计量的计算,充分考虑了主元得分向量的动态特性;同时引入主元显著相关变量残差统计量,避免SPE统计量的保守性,且该统计量能提供更详细的过程变化信息,对正常工况改变或过程故障引起的T²监控图变化有一定的识别能力;最后提出一种随时间变化的贡献图计算方法用于在线故障诊断。该方法和MPCA方法的监控性能在一个青霉素发酵仿真系统上进行了比较。仿真结果表明：该方法具有较好的监控性能,能及时检测出过程存在的故障,且具有一定的故障识别和诊断能力。     

基于核Fisher判别分析方法的非线性统计过程监控与故障诊断

化工过程中大量的生产数据反应了生产过程的内在变化和系统的运行状况,基于数据驱动的统计方法可以有效地对生产过程进行监控。对于复杂的化工和生化过程,其过程变量之间的相关关系往往具有很强的非线性特性,传统的线性统计过程监控方法显得无能为力。本文提出了基于核Fisher判别分析的非线性统计过程监控方法,首先利用非线性核函数将数据从原始空间映射到高维空间,在高维空间中利用线性的Fisher判别分析方法提取数据最优的Fisher特征矢量和判别矢量来实现过程监控与故障诊断,能有效地捕获过程变量之间的非线性关系,通过对流化催化裂化（FCCU）过程的仿真表明该方法的有效性。     

基于DIFA的动态非高斯过程监控方法及其应用

引言 近年来,随着生产过程结构日益复杂,过程变量与采样数据、数据间耦合关系均日渐增强,企业对于产品质量以及生产过程安全的要求日渐提高,对过程监控技术的改进与革新也日益重视,基于数据驱动的多元统计过程监控方法(MSPC)因其避免构建复杂机理模型、充分利用过程采样数据而受到学术界及工业界的广泛关注,并在化工过程中取得了成功应用.     

基于LTSA的ICA方法及其在化工过程监控中的应用

独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,提出LTSA-ICA过程监控方法,首先用LTSA从高维数据空间中提取出低维子流形,然后在这个低维子流形上执行线性ICA算法,在保留ICA对非高斯过程处理优势的同时,较好地解决了非线性的问题。在田纳西-伊斯曼(TE)过程上的仿真表明上述方法的有效性。     

基于平稳性能不确定信息盲源信号提取的过程监控方法

针对工业过程中的信息不一定平稳,提出了一种基于平稳性能不确定信息盲源信号提取的过程监控方法,并利用该方法提取过程盲源信号,采用k-近邻法进行分类,从而实现对过程性能的监控.通过对简单AR(1)过程和双效蒸发过程的仿真研究表明,这种方法是可行的.为了与基于传统独立成分分析(ICA)和多元统计过程控制(MSPC)的过程监控方法相比较,还作了相应的对比研究.结果表明,该方法比基于传统ICA的过程监控方法具有更少的误报率和漏报率,而比基于MSPC的过程监控方法具有更少的误报率,从而说明了该方法不仅是可行的,而且是有效的.     

明胶生产过程中损失量的监控方法的建立

建立明胶生产过程的损失量的监控,不仅为提高明胶的得率提供数据,还可以减少生产污水中污染物的排放量,降低污水处理的处理成本,同时还可以为排水的重复利用提供技术数据。通过在各工序的排水口设置取样点、安装连续抽样装置,规定取样方法,保证了明胶生产过程中损失量监控方法得到落实。结果发现,此监控方法建立后,各排水点的损失量稳中有降,达到降耗减排的目的。     

基于混合分块DMICA-PCA的全流程过程监控方法

分块策略被广泛运用于全流程过程监控领域,以解决全流程过程变量关系复杂性较高的问题,但传统的分块策略与子块建模方法都未考虑过程的动态性问题,并且传统的分块策略都片面依赖于过程知识或过程数据信息,影响了过程监控的效果,为此提出了一种基于混合分块DMICA-PCA的过程监控方法。在分析过程的动态性后,先利用已知的部分过程知识进行变量的初步分块,接着利用各分块变量之间改进的广义Dice's系数（MGDC）进行进一步的分块。然后采用DMICA-PCA方法对每个子块进行建模得到子块的统计量,并通过加权方法得到总的联合指标进行故障检测。同时对每个子块采用改进的故障诊断方法,提高了诊断效果。最后将该方法应用在TE过程的过程监控中,证明了该方法的有效性。     

基于动态单类随机森林的非线性过程监控方法

针对高维化工过程中存在的非线性和动态特性,提出了一种基于动态单类随机森林（dynamic one-class random forest,DOCRF（的过程监控方法。对正常运行状态下的过程数据进行稀疏性分析,根据其反分布产生离群点数据。利用典型变量分析对正常数据进行相关性分析,分别将正常数据和离群点数据投影到典型变量空间,利用典型变量空间数据训练单类随机森林。基于单类随机森林模型根据待检测样本与正常数据的相似度构造监控统计量进行故障检测。在Tennessee Eastman过程的仿真结果表明,所提DOCRF方法总体优于单类支持向量机方法。     

基于过程监控和多平台融合的线上教学模式实践与思考

文章以国家级双语示范课程过程装备与系统课程为例,在分析线上课堂教学要素的基础上,围绕教学内容设计、活动开展、质量监控和教学反馈等方面进行探索,建立了基于过程监控和多平台融合的线上教学模式,总结了该教学模式的成效与优势,分析了存在的问题,为后疫情时代课堂教学模式的改革与创新提供思路。     

基于共同趋势模型的非平稳过程在线监控

对于非平稳过程监控,传统的基于数据平稳假设的多元统计过程控制方法是不适用的。针对上述问题,提出了一种基于共同趋势模型的非平稳过程监控方法。共同趋势模型从存在协整关系的非平稳多元变量中辨识出共同因子,将各非平稳过程变量分解成非平稳的共同趋势成分与平稳成分之和的形式。不同于现有的基于协整模型的非平稳过程监控方法,共同趋势模型能够获取各非平稳变量中的平稳成分,消除非平稳共同因子的影响并体现变量间全部的动态均衡关系。将对非平稳过程的监控变为应用共同趋势模型,分解得到各非平稳过程变量中的平稳成分,然后应用传统的多元统计方法,估计平稳成分的统计量及相应的控制限进行监测。石油蒸馏过程监控的实例研究结果表明,所提出的方法比基于协整新息变量的方法具有更可靠的监控效果。     

基于多Agent的洗衣粉生产过程监控系统研究

针对现代洗衣粉生产过程监控系统中的“信息化孤岛”问题,将多Agent技术应用到洗衣粉生产过程的监控中。分析了洗衣粉生产过程监控系统的体系结构和特点,研究了多Agent技术应用于洗衣粉生产过程监控系统的可行性,提出了一种基于多Agent技术的洗衣粉生产过程监控系统分层分布式模型。系统由各类现场Agent、车间管理Agent和系统管理Agent组成,就系统Agent的管理方式、监控系统中个体Agent的基本结构和主要功能进行了设计,并分析了多Agent系统的工作过程。     

监控污水处理过程运行状态的加权支持向量机方法

针对污水处理过程运行状态监控中的正常运行状态样本数多而异常运行状态样本数少的特点,提出加权支持向量机方法。在理论上推导出不同类别的权重满足一定的关系时可以有效地补偿各类别训练样本数不均衡导致的不利影响,从而提高对异常运行状态的检出精度。通过实验仿真说明该方法的有效性。     

基于稀疏核主元分析的在线非线性过程监控

核主元分析(KPCA)适合非线性过程的监控,但存在计算量大、实时性差等缺点。提出一种基于稀疏KPCA(SKPCA)的过程监控方法,先使用SKPCA对正常建模数据进行加权,少数权值大的数据基本能代表全部正常数据的信息,因此稀化了建模数据,然后根据稀化后的正常数据建立过程的KPCA模型,并提出监控指标,大大减少了计算量,提高了监控的实时性,最后以化工分离过程为对象,就KPCA与SKPCA的监控效果和实时性进行了详细的对比研究,结果表明了基于SKPCA监控方法的优越性。     

基于Modbus协议的过程监控仪表的设计与实现

针对Modbus工业网络开发系统网络结构中的过程监控级仪表,通过与生产管理级PC机和现场PLC的Modbus RTU通信,分别完成监控级与管理级、监控级与现场PLC的数据交互;通过标准电流信号的输出,向同级的数字显示表传达现场重要参数变化情况.该仪表通用性强、数据交互实时性好、操作简单、界面友好.     

多元统计过程监控在FCCU中的应用

介绍多元统计过程监控(MSPM)的技术特点,结合流化催化裂化装置(FCCU)的工艺,对MSPM在FCCU中关于多元统计过程监控位号集设计及软硬件实施等问题进行了讨论。