间歇过程滑动窗口子时段PCA 建模和在线监测
85 浏览量
2021-01-15
09:46:31
上传
评论
收藏 395KB PDF 举报
第20 卷 第9 期
Vol. 20 No. 9
控 制 与 决 策
Control and D ecision
2005 年9 月
Sep t. 2005
收稿日期: 2004209229; 修回日期: 2005203203.
基金项目: 国家自然科学基金项目
(
60374003
)
.
作者简介: 郭小萍
(
1972—
)
女, 山西大同人, 讲师, 博士生, 从事间歇过程故障检测与诊断的研究; 王福利
(
1957—
)
,
男, 辽宁辽阳人, 教授, 博士生导师, 从事控制系统故障诊断与容错、系统优化等研究.
文章编号: 100120920
(
2005
)
0921034204
间歇过程滑动窗口子时段
PCA
建模和在线监测
郭小萍
1, 2
, 陆宁云
3
, 高福荣
3
, 王福利
1
(
1. 东北大学 教育部暨辽宁省流程工业综合自动化重点实验室, 沈阳 110004; 2. 沈阳
化工学院 信息工程学院, 沈阳 110142; 3. 香港科技大学 化学工程系, 香港 九龙
)
摘 要: 针对在短期内不容易获得充足建模数据的间歇工业过程, 提出一种间歇过程监视方法, 该方法只需要一次
正常间歇操作数据, 利用滑动窗口, 进行子时段划分、建立初始主元分析
(
PCA
)
监测模型, 同时提出了基于子时段
PCA
模型的在线监测算法和一种模型更新策略. 通过在注塑过程的成功应用, 表明了所提出方法的可行性和有效
性.
关键词: 间歇过程监测; 主元分析; 多时段建模; 注塑过程
中图分类号:
TP
277 文献标识码:
A
Sub
-
stage PCA M odeling and On
-
line M on itoring with M oving
W indows for Batch Processes
GUO X iao
2
p ing
1, 2
,
L U N ing
2
y un
3
,
GA O F u
2
rong
3
,
W A N G Fu
2
li
1
(
1.
Key L aborato ry of P rocess Industry A utom ation
,
M inistry of Education
,
Shenyang
110004,
China
; 2.
School of
Info rm ation Engineering
,
Shenyang Institute of Chem ical Technology
,
Shenyang
110142,
China
; 3.
Departm ent of
Chem ical Engineering
,
Hong Kong U niversity of Science and Techno logy Clearw ater Bay
,
Kow loon
,
Hong Kong
.
Correspondent
:
Guo Xiao
2
p ing
,
E
2
m ail
:
gxp ing
011007@
tom
.
com
)
Abstract
:
Fo r batch p rocesses w ith difficulties in collecting sufficient data in lim ited tim e
,
a batch monitoring method
is p ropo sed
.
The p ropo sed m ethod uses a single norm al batch reference data and moving w indow s to divide sub
2
stage
and builds an initial PCA monitoring model
.
The on
2
line monitoring m ethod and m ethod updating the model are
p ropo sed
.
The app lication to an injection molding p rocess show s the effectiveness and feasibility of the p roposed
m ethod fo r batch industry
.
Key words
:
Batch p rocess monitoring
;
Principal component analysis
;
M ulti
2
stage modeling
;
Injection mo lding
p rocess
1
引 言
目前, 广泛应用于间歇过程的多向主成分分析
(
M PCA
)
模型, 是将一次间歇操作的所有数据作为
一个样本, 虽然可有效监视过程的整体运行状况, 但
却很难进一步分析间歇过程中每一子操作阶段的数
据特征. 这使得基于
M PCA
的过程监测算法对幅值
较小的故障不甚敏感, 而在线的过程监测算法在很
大 程 度 上 依 赖 于 对 未 来 测 量 值 预 估 的 准 确 程
度
[1～ 4 ]
. 文献[4]利用先验知识对子操作阶段进行划
分, 文献[5]对间歇过程三维数据阵的时间切片
PCA
负载矩阵进行聚类分析, 有效地实现了子时段的划
分, 但其需要充足理想的建模数据. 对于操作周期非
常长、很难在短期内取得充足理想建模数据的间歇
过程, 本文提出一种基于滑动窗口的子时段
PCA
建
模和在线过程监测方法. 它只需要一次正常间歇操
作数据, 利用滑动窗口, 提取这个时间窗口内的过程
变量间的方差协方差信息, 进行子时段划分、建立
各子时段
PCA
监测模型, 同时提出基于子时段
PCA
评论0
最新资源