多變量統(tǒng)計過程監(jiān)控（Multivariate Statistical Process Control, MSPC）能夠基于過程運行數據監(jiān)視多個產品性能指標和多個過程變量之間的相關關系,幫助企業(yè)發(fā)現工業(yè)過程中存在的問題,因而受到現代工業(yè)過程越來越多的關注。MSPC通過對數據的統(tǒng)計分析,認識生產過程的內在特性、變化規(guī)律,并診斷生產過程發(fā)生異常的原因。由于MSPC只依賴于過程數據,因此具有很強的通用性。傳統(tǒng)的MSPC通常要求過程數據滿足高斯分布、線性、時不變、獨立分布等條件,這對于復雜工業(yè)過程來說過于苛刻,在一定程度上影響了其實際應用范圍。為此,針對過程存在非線性及動態(tài)等情況的時變過程,提出了適于在線使用的快速MSPC自適應監(jiān)控方法,具體包括：（1）針對PCA（Principal Component Analysis）, KPCA（kernel Principal Component Analysis）和子空間辨識（Subspace Identification, SID）核心技術——EVD/SVD分解計算復雜度高的問題,基于標準NIPALS方法,提出了一個適用于EVD rank-k更新的快... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：157 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 緒論與綜述
    1.1 研究背景
    1.2 復雜工業(yè)過程監(jiān)控的特點
    1.3 統(tǒng)計過程控制簡介
        1.3.1 單變量統(tǒng)計過程控制
        1.3.2 多變量統(tǒng)計過程控制
    1.4 統(tǒng)計過程監(jiān)控方法的發(fā)展
        1.4.1 關于過程變量非正態(tài)分布的研究
        1.4.2 關于時變過程的研究
        1.4.3 關于非線性過程的研究
        1.4.4 關于動態(tài)過程的研究
    1.5 復雜工業(yè)過程統(tǒng)計監(jiān)控中存在的問題
    1.6 論文結構與內容
2 自適應特征值分解更新方法
    2.1 引言
    2.2 協方差矩陣特征值分解更新相關研究
    2.3 自適應NIPALS(Adaptative NIPALS,ANIPALS)算法
    2.4 計算復雜度分析
    2.5 仿真研究
        2.5.1 計算效率分析
        2.5.2 計算精度分析
    2.6 小結
3 核PCA模型的自適應更新
    3.1 引言
    3.2 基本KPCA算法
    3.3 Gram矩陣的更新
        3.3.1 G的計算
        3.3.2 G的計算
        3.3.3 Gram矩陣的滑窗(Moving Window)更新算法G(?)G
        3.3.4 Gram矩陣的塊式更新
    3.4 Gram矩陣特征值分解更新
    3.5 仿真研究
        3.5.1 過程描述
        3.5.2 精度分析
        3.5.3 更新效率分析
    3.6 小結
4 基于核PCA的非線性時變系統(tǒng)自適應監(jiān)控研究
    4.1 KPCA模型參數確定
        4.1.1 核函數的選擇
        4.1.2 主元數目的選擇
        4.1.3 基于自適應AKPCA算法的快速交叉驗證
        4.1.4 仿真研究
    4.2 丁烷-己烷精餾過程監(jiān)控應用
        4.2.1 KPCA模型主元數估計
        4.2.2 過程監(jiān)控研究
    4.3 小結
5 基于子空間辨識的動態(tài)過程自適應監(jiān)控研究
    5.1 引言
    5.2 基本子空間辨識算法：MOESP和N4SID
        5.2.1 模型及符號說明
        5.2.2 MOESP算法
        5.2.3 N4SID算法
    5.3 自適應子空間辨識
        5.3.1 投影的更新
        5.3.2 擴展觀測矩陣的更新
    5.4 投影更新計算復雜度分析
        5.4.1 自適應正交投影算法計算復雜度分析
        5.4.2 自適應斜投影算法計算復雜度分析
    5.5 仿真研究
        5.5.1 自適應MOESP算法性能分析
        5.5.2 自適應N4SID算法性能分析
    5.6 重油分餾過程監(jiān)控應用
        5.6.1 過程描述
        5.6.2 監(jiān)控實施過程
        5.6.3 過程監(jiān)控結果分析
    5.7 小結
6 基于EIV模型的MRPLS監(jiān)控方法研究
    6.1 引言
    6.2 預備知識
        6.2.1 PLS模型分析
        6.2.2 相關研究
        6.2.3 新PLS模型的提出
    6.3 MRPLS算法
        6.3.1 算法介紹
        6.3.2 MRPLS的幾何性質
        6.3.3 降階操作分析
        6.3.4 隱變量的獲取
        6.3.5 自適應更新算法
    6.4 Error-in-variable PLS(EIVPLS)模型的辨識
        6.4.1 觀測誤差協方差矩陣已知時的EIV估計
        6.4.2 觀測誤差協方差矩陣未知時的EIV估計
    6.5 算法的實施與分析
        6.5.1 OPLS的實施
        6.5.2 Partial PLS算法的實施
        6.5.3 MRPLS算法
        6.5.4 計算效率分析
        6.5.5 模型辨識精度
    6.6 丁烷-丙烷-戊烷精餾過程監(jiān)控應用
    6.7 小結
7 總結與展望
    7.1 研究工作總結
    7.2 挑戰(zhàn)與展望
參考文獻
攻讀博士期間科研成果
作者簡歷


【參考文獻】：
期刊論文
[1]基于NGPP-SVDD的非高斯過程監(jiān)控及其應用研究[J]. 謝磊,劉雪芹,張建明,王樹青.  自動化學報. 2009(01)
[2]基于免疫核主元分析的故障診斷方法[J]. 鄧曉剛,田學民.  清華大學學報(自然科學版). 2008(S2)
[3]基于快速滑窗QR分解的自適應子空間辨識[J]. 謝磊,梁武星,張泉靈,張建明,王樹青.  化工學報. 2008(06)
[4]Nonlinear Principal Component Analysis Using Strong Tracking Filter[J]. 丁子哲,張賢達,朱孝龍.  Tsinghua Science and Technology. 2007(06)
[5]Investigation of Dynamic Multivariate Chemical Process Monitoring[J]. 謝磊,張建明,王樹青.  Chinese Journal of Chemical Engineering. 2006(05)
[6]基于動態(tài)主元分析的統(tǒng)計過程監(jiān)視[J]. 陳耀,王文海,孫優(yōu)賢.  化工學報. 2000(05)

博士論文
[1]基于KPLS的工業(yè)過程監(jiān)測方法研究[D]. 胡益.華東理工大學 2014
[2]基于數據驅動的復雜工業(yè)過程故障檢測方法研究[D]. 馬賀賀.華東理工大學 2013
[3]基于統(tǒng)計理論的工業(yè)過程性能監(jiān)控與故障診斷研究[D]. 許潔.南京航空航天大學 2010
[4]面向間歇發(fā)酵過程的多元統(tǒng)計監(jiān)測方法研究[D]. 劉世成.浙江大學 2008
[5]間歇過程統(tǒng)計性能監(jiān)控研究[D]. 謝磊.浙江大學 2005



本文編號：3294031