论文部分内容阅读
间歇生产过程是现代化工业的重要生产方式之一,被广泛应用于微生物发酵、基因工程制药、精细化工等小批量、多品种、高附加值产品的制造业中,具有重要的地位和作用。因此,保证间歇过程生产安全、低碳环保和其产品质量已成为人们日益关注的焦点。间歇过程普遍具有非线性、非高斯性、高斯性和多阶段性等特性,其生产过程操作的复杂度也远远高于连续过程,产品的质量极易受到设备、环境和原材料等外界条件的影响。为了保证生产过程的安全等,针对生产过程的监测及故障诊断技术逐渐受到了学术界和工业界的广泛重视。发酵生产过程是典型的间歇过程,针对发酵过程存在的多阶段、非线性等问题,本文具体研究的内容如下:(1)基于KECA相似度的阶段划分算法针对发酵过程的多阶段问题,提出基于KECA相似度的阶段划分算法,将青霉素发酵过程仿真数据预处理后划分为各个时间片矩阵,再按KECA的相似度指标将子时段划分为稳定子时段和过渡子时段,每个子时段内的时间片将具有相同的过程特性,可以将同一时段内的数据建立统一的模型。(2)基于KECA的发酵过程故障监测对每个时段的稳定阶段和过渡阶段分别建立KECA和滑动加权的KECA监测模型。基于KECA选取主元的角度结构,引入一种基于角结构的统计量(CS)表达这种角度结构,作为监测模型的统计量,采用核密度估计计算CS统计量的控制限,高于控制限,则检测到故障。(3)基于SV-KCD的故障诊断算法由于无法找到一个从高维特征空间到低维输入空间的逆映射,不能推导出对应统计量的贡献表达式,因此传统贡献图无法应用于核空间映射方法。针对上述问题,本文提出一种基于标准向量的核空间贡献图(SV-KCD)方法。该方法既保留了传统贡献图的计算简单、直观、无需故障样本,又不需要计算推导贡献表达式,理论上该方法可应用于任何核映射方法。(4)工业过程数据应用研究最后将课题研究的方法应用到大肠杆菌数据试验中,通过对大肠杆菌生产过程应用表明该方法能够较好的反映各阶段的特征多样性,能够有效提取生产过程数据信息,快速检测到故障的发生,并准确的诊断到故障源,对于解决多阶段间歇过程的故障监测及诊断问题,具有一定的实用价值。