基于静-动态特性协同感知的复杂工业过程运行状态评价

摘要：

针对当前过程监测和运行状态评价方法等对工况信息感知不全面、漏报和误报现象严重等问题,在深入研究工业现场数据静-动态特性协同感知方法的基础上,提出关键性能指标(Key performance indicators,KPI)驱动的慢特征分析(Slow feature analysis,SFA)算法.将关键性能指标信息融入到慢特征分析中,协同感知复杂工业过程的静-动态特性变化,并进一步通过计算潜变量之间的相似度及其一阶差分间的相似度实现对过程稳态和过渡的评价.在此基础上,建立基于静-动态特性协同感知的过程运行状态评价统一框架.针对非优状态,提出基于稀疏学习的非优因素识别方法,实现对非优因素变量的准确识别.最后,通过重介质选煤过程实际生产数据和田纳西·伊斯曼(Tennessee Eastman,TE)过程数据验证了该方法的有效性.

关键词：复杂工业过程、运行状态评价、静-动态特性协同、慢特征分析、稀疏学习

所属期刊栏目：49

分类号：TP311;TD94;TP277

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1621-1634