工業過程執行狀態智慧監控：資料驅動方法

第1 章 緒論
1.1 概述
1.2 工業過程運行狀態監控的研究現狀
1.2.1 狀態評價和非優原因追溯的研究現狀
1.2.2 狀態監測與故障診斷的研究現狀
參考文獻

第2 章 過程監控的基礎理論與方法
2.1 概述
2.2 多變量統計過程監控
2.2.1 數據的標準化處理
2.2.2 主成分分析
2.2.3 偏最小二乘
2.2.4 全潛結構投影模型
2.2.5 高斯混合模型
2.2.6 費雪判别分析方法
2.2.7 基於PCA 的多變量統計過程監測
2.2.8 基於變量貢獻圖的故障診斷
2.2.9 基於重構的故障診斷方法
2.2.10 PCA 和PLS 的衍生方法及其應用
參考文獻

第3 章 基於綜合經濟指標相關資訊的連續過程運行狀態在線評價
3.1 概述
3.2 基於T-PLS 的評價建模和過程運行狀態在線評價
3.2.1 基本思想
3.2.2 基於T-PLS 的評價建模
3.2.3 基於T-PLS 的過程運行狀態在線評價
3.2.4 基於變量貢獻率的非優原因追溯
3.3 氰化浸出工序中的應用研究
3.3.1 過程描述
3.3.2 實驗設計和建模數據
3.3.3 演算法驗證及討論
參考文獻

第4 章 基於優性相關資訊的連續過程運行狀態在線評價
4.1 概述
4.2 基於優性相關資訊的評價建模和過程運行狀態在線評價
4.2.1 基本思想
4.2.2 ORI 的提取及評價建模
基於優性相關資訊的過程運行狀態在線評價
4.2.4 基於變量貢獻率的非優原因追溯
4.3 氰化浸出工序中的應用研究
4.3.1 實驗設計和建模數據
4.3.2 演算法驗證及討論
附錄 組間共性分析演算法
參考文獻

第5 章 非高斯多模態過程運行狀態在線評價
5.1 概述
5.2 基於高斯混合模型的非高斯多模態過程評價建模及運行狀態在線評價
5.2.1 基本思想
5.2.2 基於GMM-GPR 的穩定模態評價建模
5.2.3 基於GMM 的過渡模態評價建模
5.2.4 在線模態識别
5.2.5 非高斯多模態過程運行狀態在線評價
5.2.6 基於變量貢獻率的非高斯多模態過程非優原因追溯
5.3 田納西-伊士曼過程中的仿真研究
5.3.1 過程描述
5.3.2 實驗設計和建模數據
5.3.3 演算法驗證及討論
參考文獻

第6 章 基於線性評估與線性變量組劃分的過程分層建模與在線監測
6.1 概述
6.2 基於PCA 和KPCA 的過程監測
6.3 變量相關性評估
6.3.1 最大相關性潛變量（Maximum- Correlation Latent Variable, MCLV）
6.3.2 基於彈性網和重採樣的變量相關性評估
6.4 基於變量相關性評估的線性變量組劃分
6.5 分層建模與在線監測
6.5.1 基於PCA-KPCA 的分層建模
6.5.2 分層在線監測
6.6 捲菸製絲過程中的應用研究
6.6.1 過程描述
6.6.2 演算法驗證及討論
參考文獻

第7 章 基於蒙特卡羅和嵌套迭代費雪判别分析的工業過程故障診斷方法
7.1 概述
7.2 嵌套迭代費雪判别分析方法
7.3 基於嵌套迭代費雪判别分析的故障變量隔離與故障診斷
7.3.1 基於蒙特卡羅和嵌套迭代費雪判别分析的故障變量選擇
7.3.2 雙重故障診斷模型
7.3.3 在線機率故障診斷
7.4 捲菸生產過程中的應用研究
參考文獻

第8 章 基於協整分析的非平穩過程在線故障診斷
8.1 概述
8.2 協整分析
8.3 基於協整分析的非平穩工業過程在線故障診斷方法
8.3.1 非平穩變量識别
8.3.2 基於協整分析的故障檢測
8.3.3 基於協整分析的稀疏重構方法
8.4 火力發電過程中的應用研究
參考文獻

第9 章 基於關鍵退化變量分析與方向提取的在線故障預測
9.1 概述
9.2 方法
9.2.1 面向故障退化的費雪判别分析方法
9.2.2 穩定性因子的定義
9.2.3 非平穩變量識别
9.2.4 基於非平穩變量的故障建模
9.3 案例研究
9.3.1 數值仿真
9.3.2 捲菸製絲過程
9.3.3 田納西-伊士曼過程
參考文獻

 

序

　　隨著工業生產技術的不斷發展，對產品品質、規格等要求的不斷提高，現代工業生產過程無論是在生產工藝、生產流程，還是在生產技術等方面，都日趨複雜化、自動化。工業過程運行監控方法是當前智慧工廠研究領域的前沿和焦點，其涵蓋了運行狀態評價、異常檢測與診斷等幾個方面的内容。

　　鑒於工業生產過程本身反應的複雜性、產品生命週期的有限性以及成本投入的經濟效益，過程工程師難以在很短的產品研發週期内，依靠有限的資金投入，建立精確可靠的機理模型或基於知識推理的專家模型。因此，基於機理模型或知識模型的狀態監控方法難以在工業生產中廣泛地推廣應用。另一方面，隨著電子技術和電腦應用技術的飛速發展，現代工業過程大都具有完備甚至冗餘的傳感測量裝置，可以在線獲得大量的過程數據，譬如壓力、溫度、流量等測量值。顯然，這些過程數據中蘊含了有關過程生產狀況的豐富資訊。基於實際限制、成本優化、技術商機等因素的考量，如何利用這些大量數據來滿足日益提高的系統可靠性要求已成為極待解決的問題， 其中基於數據驅動的多元統計分析與過程監控技術是一個重要的方面。

　　如何從浩瀚的數據海洋中提取出高品質資訊並加以充分分析利用進而指導生產，吸引了科研人員的注意與興趣。以主元分析（PCA）、偏最小二乘迴歸（PLS）等為核心的多元統計分析技術，因其只需要正常工況下的過程數據來建立模型，同時它們在處理高維、高度耦合數據時具有獨特的優勢，越來越受到研究人員和現場工程師的青睞。一系列完善可行的過程建模、監測和診斷演算法必將推動整個工業過程的長足進步和繁榮發展，為社會提供高品質產品的同時，還可排除安全隱患、保障生命和財產安全、節約資源、保護環境，提供這些更加重要的無形的社會財富。本書作者長期從事面向工業過程狀態監控的理論方法的研究工作，陸續提出並發展了一系列狀態評價、異常檢測與診斷策略，有力促進了該領域的進一步發展。

　　近年來，本書作者針對工業過程運行狀態的在線監控，不僅僅簡單區分工業過程運行狀況的正常與異常，更針對正常工況，精細表徵其正常運行狀態的優劣等級；此外，作者深入分析了工業過程的潛在過程相關特性，揭示變量間線性與非線性混合的内在關係以及對異常檢測的影響；對於故障工況，揭示了故障工況的非平穩特性、故障影響的傳遞性以及緩變性等。本書將從分析工業過程的具體特性出發，基於多元統計分析技術，介紹基本的過程監控技術以及作者在這些領域的最新研究成果。

　　本書内容圍繞工業過程智慧監控的若干核心問題展開論述。第1章首先介紹了工業過程運行狀態評價、異常檢測與診斷的重要性與前人工作。第2章綜述了工業過程運行狀態監控的理論基礎，重點闡述以主元分析、偏最小二乘、費雪判别分析等為核心的多元統計分析方法。第3～ 5章主要介紹了針對工業過程正常運行狀態優劣的進一步分析，即狀態評價方法， 具體包括基於綜合經濟指標的運行狀態評價方法、分析狀態間的優性相關資訊的評價方法以及針對非高斯多模態過程的運行狀態評價。第6～ 9章主要介紹了異常檢測與診斷方法，具體涉及針對具有線性與非線性混合特徵的過程進行監測、對非平穩過程特性的分析與故障診斷、對故障變量的隔離與機率診斷策略以及基於關鍵退化資訊提取的在線故障預測等，書中主要基於多元統計分析方法對這些問題進行了研究。這一部分包含了筆者近幾年的一系列研究成果， 即對工業過程監控中的實際具體問題的分析與解決辦法。

　　本書由趙春暉教授和王福利教授共同編寫，研究生胡贇昀、孫鶴、秦岩、李文卿、余萬科、高潔、王晶、王玥、柴錚、張淑美、趙宏、鄭嘉樂、翁冰雅、劉炎等做了文獻整理、格式校對等方面的工作，也向他們表示衷心的感謝。

　　由於理論水準有限，以及所做研究工作的局限性，書中難免存在不妥之處，懇請廣大讀者批評指正。