批次加权软化分的多阶段AR-PCA间歇过程监测

摘要：

由于多阶段间歇过程在每个操作阶段主导变量和过程特性的巨大差异性,也为了降低传统方法只进行阶段硬划分以及过程建模不考虑过程动态性导致的漏报率和误报率,提出了基于批次加权软划分的多阶段自回归主元分析(AR-PCA)间歇过程监测方法.方法引入了反距离加权(IDW)和单变量控制图对仿射传播聚类(AP)进行改进,避免以单批次作为AP输入不能表征整个生产过程阶段特性的局限性,并且解决了AP不能辨识过渡阶段的缺陷.然后针对过渡阶段和稳定阶段分别建立AR-PCA模型和MPCA模型,较传统方法以整批次数据建立唯一模型具有更高的模型精度,同时消除了过渡阶段的动态性,可有效降低误报和漏报.实验设计由青霉素发酵仿真平台和重组大肠杆菌实际生产过程完成,结果显示了该方法的可行性和有效性.

关键词：自回归主元分析、间歇过程、仿射传播聚类、反距离加权、过程监测

所属期刊栏目：36

分类号：TH165+.3

资助基金：国家自然科学基金61174109,61364009

在线出版日期：2015-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1291-1300