基于混合核函數的間歇過程統計建模和監(jiān)測方法研究.pdf

1、間歇過程作為工業(yè)生產過程中的一種重要的生產方式，已被廣泛應用于生物制藥、食品加工、精細化工等領域。對間歇過程進行監(jiān)控以發(fā)現生產過程中的非正常情況，保證生產的安全可靠運行具有重要意義。然而，間歇生產過程數據具有多批次、多階段、非線性、動態(tài)等復雜特性，其建模和在線監(jiān)測也更加困難，已成為重要的研究課題。
　　間歇生產過程監(jiān)測往往是以三維數據為基礎的，按照統計原理通常需要大量數據樣本。本文在分析間歇過程數據動態(tài)非線性特性基礎上，以逐漸成熟

2、的動態(tài)和非線性技術為根本，針對間歇生產過程的非線性特性和動態(tài)特性，將核技術(KPCA)引入到DPCA算法中，提出了一種可以以單批次數據為建模數據的DKPCA的間歇生產過程在線監(jiān)控方法。該方法以一個批次數據為對象，進行時間序列上的擴展和輸入空間到特征空間的非線性映射，并在特征空間里計算統計特征，來描述這個批次建模數據的數據結構特征。該方法的好處是可以單批次數據建模，克服數據不等長問題，在線監(jiān)測不需要估計未來數據。但需要確定有效地核函數和參

3、數。
　　針對DKPCA核函數選擇問題，提出了一種混合核函數方法，可以很好的刻畫過程的非線性。核函數的選擇為高斯核函數和多項式核函數的組合核，其參數及其權系數以尋優(yōu)的方法確定。通過分析統計監(jiān)控的原理，確定了以SPE控制量服從x2分布為第一目標，SPE統計量滑動窗的均值與總均值比值累加和最小為第二目標的優(yōu)化模型。針對模型非線性，難以數學表達，采用了粒子群算法對混合函數中的參數、權系數進行尋優(yōu)。
　　在青霉素發(fā)酵過程中，很多控制