基于多数据集动态潜变量的在线性能分级评估方法

针对动态多变量过程中难以提取明确的过程变量的动态关系问题,本文提出基于多数据集动态潜变量分析(MSDLV)的在线性能分级评估的方法.首先将性能相近的过程历史数据段划分为不同性能等级的集合,然后运用MSDLV方法提取性能级之间的公共基向量,保留训练数据中性能相关的过程变化,将性能相关的特有变化分解为动态部分与静态部分,提取动态自相关过程的动态因素.建立动态潜变量与性能等级之间的离线模型后,在线评估当前过程性能以及判断其所处状态.最后,将该方法运用于乙烯裂解炉反应过程,结果表明该方法具有良好的准确度.     

基于Ms-LWPLS的化工过程网络化性能分级评估方法

针对化工过程输入输出数据间非线性关系问题，提出一种基于多数据空间局部加权潜结构映射(multi-space locally weighted projection to latent structures，Ms-LWPLS)的网络化性能分级评估方法。该方法将历史数据分成不同性能等级的集合，利用Ms-LWPLS方法提取不同性能等级训练数据的过程变化，获得训练数据与性能等级标签之间的非线性映射结构，实现输入数据与性能等级之间的网络化“离线建模”。得到模型后，以数据滑动时间窗为评估单元，将滑动窗口数据输入到训练好的神经网络模型中，根据网络输出划分过程当前性能等级，并构造过渡性能系数，将稳态性能等级和过渡性能等级进行识别和区分。最后，将该方法应用到乙烯裂解过程在线性能评估中，说明此性能评估方法的有效性和准确性。     

基于Ms-LWPLS的化工过程网络化性能分级评估方法

针对化工过程输入输出数据间非线性关系问题,提出一种基于多数据空间局部加权潜结构映射(multispace locally weighted projection to latent structures,Ms-LWPLS)的网络化性能分级评估方法。该方法将历史数据分成不同性能等级的集合,利用Ms-LWPLS方法提取不同性能等级训练数据的过程变化,获得训练数据与性能等级标签之间的非线性映射结构,实现输入数据与性能等级之间的网络化"离线建模"。得到模型后,以数据滑动时间窗为评估单元,将滑动窗口数据输入到训练好的神经网络模型中,根据网络输出划分过程当前性能等级,并构造过渡性能系数,将稳态性能等级和过渡性能等级进行识别和区分。最后,将该方法应用到乙烯裂解过程在线性能评估中,说明此性能评估方法的有效性和准确性。     

基于Ms-NIPLS-GPR的化工过程性能等级评估方法

针对化工过程中因输入输出数据间非线性关系造成在线性能评估准确度不足的问题,提出一种基于多数据空间非线性迭代偏最小二乘和高斯过程回归（multi-space nonlinear iterative partial least squares and Gaussian process regression,Ms-NIPLS-GPR）的性能分级评估方法。首先将性能相近的过程历史数据划分成不同性能等级的集合,利用Ms-NIPLS方法提取不同性能等级训练数据的特征子空间,然后用GPR获得特征子空间与性能等级标签之间的非线性映射结构,建立输入数据与性能等级之间的离线模型。得到模型后,在线评估当前过程性能等级,同时通过构造过渡性能系数来区分稳态性能等级和稳态性能等级间的过渡性能状态。最后,将该方法应用到乙烯裂解过程在线性能评估中,说明该性能评估方法的有效性和准确性。