基于狀態(tài)空間模型的復(fù)雜動(dòng)態(tài)過(guò)程監(jiān)測(cè)方法研究.pdf

1、過(guò)程監(jiān)測(cè)技術(shù)是過(guò)程自動(dòng)化系統(tǒng)的重要組成部分和關(guān)鍵技術(shù)之一。對(duì)保障過(guò)程的安全穩(wěn)定運(yùn)行和提高產(chǎn)品質(zhì)量等現(xiàn)代流程工業(yè)的核心目標(biāo)，過(guò)程監(jiān)測(cè)技術(shù)具有重大的工業(yè)價(jià)值和研究意義。隨著企業(yè)規(guī)模的不斷擴(kuò)大和工藝流程的日趨復(fù)雜，過(guò)程的機(jī)理模型難以獲得;與此同時(shí)，由于集散控制系統(tǒng)在工業(yè)界的普及和計(jì)算機(jī)技術(shù)的快速發(fā)展，流程工業(yè)積累了海量的過(guò)程數(shù)據(jù)。因此，基于多元統(tǒng)計(jì)分析的過(guò)程監(jiān)測(cè)技術(shù)成為了學(xué)術(shù)研究和工業(yè)應(yīng)用的熱點(diǎn)，在過(guò)去二十年里產(chǎn)生了許多的研究成果和應(yīng)用。

2、r>　　由于過(guò)程對(duì)象的本質(zhì)特征和閉環(huán)控制系統(tǒng)的廣泛運(yùn)用，過(guò)程動(dòng)態(tài)性是實(shí)際工業(yè)過(guò)程廣泛存在的一種性質(zhì)。近年來(lái)，研究者們針對(duì)過(guò)程的動(dòng)態(tài)特性，提出了諸如動(dòng)態(tài)多變量過(guò)程監(jiān)測(cè)方法、時(shí)間序列模型、以子空間方法為主的狀態(tài)空間模型，取得了許多重要的研究成果。以上方法假定動(dòng)態(tài)過(guò)程運(yùn)行在單一的工況下，過(guò)程變量之間線性相關(guān)而且服從高斯分布。然而，實(shí)際的動(dòng)態(tài)過(guò)程往往運(yùn)行在更復(fù)雜的環(huán)境下，使得過(guò)程變量非線性、非高斯，工況非單一，而且受到過(guò)程噪聲的影響。本文在已有

3、的基于狀態(tài)空間模型過(guò)程監(jiān)測(cè)方法的基礎(chǔ)上，針對(duì)不同的動(dòng)態(tài)過(guò)程復(fù)雜特性，提出了以下對(duì)復(fù)雜動(dòng)態(tài)過(guò)程進(jìn)行建模與監(jiān)測(cè)的新方法和新思路。
　　(1)針對(duì)小樣本環(huán)境下動(dòng)態(tài)過(guò)程的建模與監(jiān)測(cè)問(wèn)題，提出了一種基于稀疏偏最小二乘的動(dòng)態(tài)過(guò)程建模方法。稀疏偏最小二乘方法通過(guò)對(duì)投影向量加入稀疏性約束，可以獲得稀疏的投影矩陣，從而對(duì)子空間辨識(shí)時(shí)的輸入變量進(jìn)行變量選擇。該方法在模型訓(xùn)練樣本比較少的情況下，也能獲得較好的建模結(jié)果，大大減弱了模型的過(guò)擬合問(wèn)題，增強(qiáng)了

4、模型對(duì)樣本外數(shù)據(jù)的推廣能力。在過(guò)程監(jiān)測(cè)的應(yīng)用上，基于稀疏偏最小二乘模型的過(guò)程監(jiān)測(cè)方法的性能優(yōu)于沒(méi)有加稀疏約束的偏最小二乘方法。
　　(2)對(duì)于噪聲環(huán)境下的動(dòng)態(tài)過(guò)程監(jiān)測(cè)，提出了一種基于數(shù)據(jù)的線性高斯?fàn)顟B(tài)空間模型。類似于概率主成分分析和因子分析，線性高斯?fàn)顟B(tài)空間模型同時(shí)考慮到了過(guò)程噪聲的統(tǒng)計(jì)特性。該模型的參數(shù)通過(guò)期望最大化算法估計(jì)出來(lái)。在模型中，采用卡爾曼濾波器來(lái)進(jìn)行狀態(tài)估計(jì)與輸出預(yù)測(cè)，在狀態(tài)空間和殘差空間分別建立監(jiān)測(cè)統(tǒng)計(jì)量，并提出了

5、基于殘差監(jiān)測(cè)統(tǒng)計(jì)量貢獻(xiàn)的故障識(shí)別算法。與傳統(tǒng)的基于主成分分析的故障識(shí)別算法相比，本文提出的故障識(shí)別算法有效的避免了故障干擾問(wèn)題，在對(duì)動(dòng)態(tài)過(guò)程進(jìn)行故障識(shí)別時(shí)，可以獲得更加準(zhǔn)確的識(shí)別結(jié)果。
　　(3)考慮到多工況過(guò)程的動(dòng)態(tài)特性，提出了一種多工況動(dòng)態(tài)過(guò)程監(jiān)測(cè)的混合規(guī)范變量分析模型。該模型既考慮到了過(guò)程的多工況特性，將過(guò)程分解為不同的高斯分布子模態(tài);同時(shí)也考慮到了過(guò)程數(shù)據(jù)的動(dòng)態(tài)特性，對(duì)于每一個(gè)子模態(tài)，分別采用子空間方法建立動(dòng)態(tài)子模型。在對(duì)

6、過(guò)程樣本進(jìn)行監(jiān)測(cè)時(shí)，可以通過(guò)貝葉斯公式和邊緣概率分布求取樣本從屬于每一個(gè)子模型的后驗(yàn)概率。并且在不同的子模型下，分別計(jì)算局部監(jiān)測(cè)統(tǒng)計(jì)量，最后根據(jù)后驗(yàn)概率，將不同子模型的局部監(jiān)測(cè)統(tǒng)計(jì)量綜合起來(lái)，構(gòu)成全局的監(jiān)測(cè)統(tǒng)計(jì)量。相比于傳統(tǒng)的用于多模態(tài)過(guò)程監(jiān)測(cè)的高斯混合模型和用于動(dòng)態(tài)過(guò)程監(jiān)測(cè)的規(guī)范變量分析方法，本文提出的方法是一種更可行的多模態(tài)動(dòng)態(tài)過(guò)程監(jiān)測(cè)方法，能夠取得更好的監(jiān)測(cè)性能。
　　(4)提出了一種基于核偏最小二乘的非線性非高斯動(dòng)態(tài)過(guò)程的

7、監(jiān)測(cè)方法。與基于偏最小二乘的線性子空間方法不同的是，核偏最小二乘方法將模型的輸入變量經(jīng)過(guò)非線性投影到高維特征空間以后，再建立和輸出變量的關(guān)系。因此，核偏最小二乘方法中可以同時(shí)對(duì)過(guò)程數(shù)據(jù)的非線性和動(dòng)態(tài)性進(jìn)行建模。而核函數(shù)的引入可以將這種非線性投影隱式表達(dá)，應(yīng)用中不需要關(guān)心其復(fù)雜的非線性投影形式，簡(jiǎn)化了計(jì)算的復(fù)雜性。在過(guò)程監(jiān)測(cè)中，對(duì)于非高斯分布的核偏最小二乘得分變量，傳統(tǒng)的基于高斯分布變量的監(jiān)測(cè)統(tǒng)計(jì)量不再有效。為了解決非高斯分布變量的監(jiān)測(cè)問(wèn)