基于GSFA-GNPE的动态-静态联合指标间歇过程监控

TP277; 传统的过程监控方法忽略了变量间的时序相关性,且没有区分变量间的动态关系与静态关系,从而导致监控效果不佳.针对此问题,本文提出一种基于全局慢特征分析(GSFA)-全局邻域保持嵌入(GNPE)的动态-静态联合指标间歇过程监控方法,该方法可以有效提取动态全局特征和静态全局特征.首先,对过程变量的动态特性和静态特性进行评估,把自相关和互相关性较弱的变量视为静态变量,剩余变量视为动态变量;其次,分别对动态子空间和静态子空间构建GSFA和GNPE模型;然后,对来自每个子空间的统计信息使用贝叶斯推理进行组合,以得出混合模型的联合指标实现过程监控;最后,将所提算法应用于数值算例和青霉素发酵仿真过...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 55; no. 11; pp. 1417 - 1428
Main Authors 赵小强, 牟淼
Format Journal Article
LanguageChinese
Published 兰州理工大学电气工程与信息工程学院,兰州730050 01.11.2021
兰州理工大学甘肃省工业过程先进控制重点实验室,兰州730050
兰州理工大学电气与控制工程国家级实验教学示范中心,兰州730050%兰州理工大学电气工程与信息工程学院,兰州730050
Subjects
间歇过程;过程监控;慢特征分析;邻域保持嵌入;全局-局部;贝叶斯推断
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2020.290

Cover

More Information
Summary:TP277; 传统的过程监控方法忽略了变量间的时序相关性,且没有区分变量间的动态关系与静态关系,从而导致监控效果不佳.针对此问题,本文提出一种基于全局慢特征分析(GSFA)-全局邻域保持嵌入(GNPE)的动态-静态联合指标间歇过程监控方法,该方法可以有效提取动态全局特征和静态全局特征.首先,对过程变量的动态特性和静态特性进行评估,把自相关和互相关性较弱的变量视为静态变量,剩余变量视为动态变量;其次,分别对动态子空间和静态子空间构建GSFA和GNPE模型;然后,对来自每个子空间的统计信息使用贝叶斯推理进行组合,以得出混合模型的联合指标实现过程监控;最后,将所提算法应用于数值算例和青霉素发酵仿真过程进行仿真验证.结果 表明,GSFA-GNPE算法相较于其他算法的故障检测效果更好.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2020.290