基于静-动态特性协同感知的复杂工业过程运行状态评价

• Published in: 自动化学报 Vol. 49; no. 8; pp. 1621 - 1634
• Main Authors: 褚菲, 许杨, 尚超, 王福利, 高福荣, 马小平
• Format: Journal Article
• Language: Chinese
• Published: 中国矿业大学地下空间智能控制教育部工程研究中心 徐州 221116%清华大学自动化系 北京 100084%东北大学信息科学与工程学院 沈阳 110819%香港科技大学化工系 香港 999077%中国矿业大学信息与控制工程学院 徐州 221116 01.08.2023; 中国矿业大学信息与控制工程学院 徐州 221116
• Subjects: 运行状态评价; 稀疏学习; 慢特征分析; 复杂工业过程; Complex industrial process; static-dynamic cooperative; slow fea-ture analysis(SFA); 静-动态特性协同; sparse learning; operation performance assessment
• ISSN: 0254-4156; 1874-1029
• DOI: 10.16383/j.aas.c201035

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.