论文部分内容阅读
间歇过程工艺在生产高附加值产品中发挥着重要作用,由于生产过程的自动化程度提高,生产环节变得越来越复杂,对间歇过程的安全可靠运行提出了更高的要求。因此,为确保生产安全和产品质量,对于间歇过程建立有效地监控模型,及时准确地故障检测和诊断备受工业领域和学术界关注。当前,工业生产的技术水平不断地提高,大量的生产数据得以存储,由于这些数据蕴含着丰富的过程信息。因此,有必要利用这些过程数据来监控过程的运行状况。如何在大量的过程数据中提取主要的特征信息是进行过程监控的关键。传统的多元统计方法在进行故障检测时,通常假设数据具有理想状态,不受离群点影响,然而实际过程数据并非理想化存在,并且由于间歇过程数据的复杂特性,使得对间歇过程故障进行及时准确地检测具有一定的挑战性。因此,本文基于邻域保持嵌入算法（Neighborhood Preserving Embedding,NPE）,针对间歇过程数据存在的非平稳性、多模态、动态特性以及多阶段特性导致故障检测效果不佳的问题,提出了相应的改进算法,以实现更好的检测效果。主要研究内容如下:（1）针对间歇过程数据平稳和非平稳混合分布的特性,故障信息易被淹没在正常非平稳信号中造成故障检测困难的问题,提出一种基于变量分组的加权正交主元分析-指数全局邻域保持嵌入(Weighted Orthogonal Principal Component Analysis-Exponential Global Neighborhood Preserving Embedding,WOPCA-EGNPE的平稳-非平稳贝叶斯联合统计指标监控算法。首先,通过Augmented Dickey-Fuller（ADF）检验变量的平稳性进行变量分组,划分平稳和非平稳空间;其次,在非平稳空间将非平稳变量利用协整分析（Cointegration Analysis,CA）的方法获得平稳的残差序列,对于平稳残差序列利用指数全局邻域保持嵌入（EGNPE）算法进行建模构建检测统计量,可以同时考虑数据的全局和局部信息,且通过指数变换的方式突出全局和局部的重要数据信息;然后,在平稳空间通过加权正交主元分析（WOPCA）算法进行建模构建检测统计量;最后,利用贝叶斯推断方法建立一个联合检测指标,实现非平稳间歇过程的监控。通过在青霉素发酵过程的仿真结果验证检测的有效性。（2）针对间歇过程数据的多模态与动态特性共存带来的故障检测问题,提出一种基于加权双近邻标准化（Weighted Double Neighborhood Standardization,WDNS）的稀疏加权邻域保持嵌入（Sparse Weighted Neighborhood Preserving Embedding,SWNPE）算法。首先,在寻找样本双层近邻的基础上进行加权得到加权双近邻集,用加权双近邻集信息标准化样本,将多模态数据处理为单一模态分布,消除多模态中心点差异,有效解决多模态特性;然后,考虑到NPE算法不能更好地处理动态特性带来的问题,利用反距离加权和局部最优稀疏表示的方法在NPE算法的基础上得到SWNPE算法,SWNPE算法在处理数据动态特性的同时增强了噪声和离群点影响的鲁棒性;最后,采用加权双近邻标准化的SWNPE模型实现故障监控。通过对比动态邻域保持嵌入算法（Dynamic Neighborhood Preserving Embedding,DNPE）、时序邻域保持嵌入算法（Temporal Neighborhood Preserving Embedding,TNPE）、稀疏加权邻域保持嵌入算法（Sparse Weighted Neighborhood Preserving Embedding,SWNPE）和局部近邻标准化-邻域保持嵌入算法（Local Neighbor Normalization-Neighborhood Preserving Embedding,LNS-NPE）在青霉素发酵仿真过程的检测效果,表明所提WDNS-SWNPE算法具有更高的检测率,提高了动态与多模态特性共存间歇过程的监控能力。（3）由于间歇过程数据具有多阶段性特性,整体建模不能反映间歇过程的实际工况,会导致检测结果与实际过程不一致的问题。此外,基于NPE算法的检测过程在忽略全局信息的情况下保持数据的局部几何结构,而单一考虑数据的全局或局部信息所提取的潜在变量不能完全表征过程数据。因此,提出了一种多阶段优化正则化邻域保持嵌入（Optimization Regularized Neighborhood Preserving Embedding,ORNPE）算法,首先,通过慢特征分析（Slow Feature Analysis,SFA）算法提取动态全局信息,并通过NPE算法提取局部结构信息;然后,通过交叉熵来优化全局动态信息;最后,使用仿射传播（Affinity Propagation,AP）算法来划分多个过程阶段。在青霉素发酵仿真过程和半导体蚀刻过程的实验结果验证了所提算法具有更好的检测效果。