论文部分内容阅读
针对采样数据的自相关性,提出一种基于自回归(AR)模型的动态过程建模方法.首先,利用正交信号校正(OSC)消除用于AR模型回归的两数据集间的正交不相关信号;然后,在处理过的数据上进行偏最小二乘(PLS)回归建模.该方法对模型潜隐成分和残差信息同时进行在线监测,并借鉴贝叶斯推理方法将多个监测指标进行融合,以易化触发故障警报的决策过程.最后通过在田纳西-伊斯曼(Tennessee Eastman,TE)过程上的仿真实验验证了所提出方法的有效性.