基于狀態(tài)空間模型的復雜動態(tài)過程監(jiān)測方法研究.pdf

1、過程監(jiān)測技術(shù)是過程自動化系統(tǒng)的重要組成部分和關(guān)鍵技術(shù)之一。對保障過程的安全穩(wěn)定運行和提高產(chǎn)品質(zhì)量等現(xiàn)代流程工業(yè)的核心目標，過程監(jiān)測技術(shù)具有重大的工業(yè)價值和研究意義。隨著企業(yè)規(guī)模的不斷擴大和工藝流程的日趨復雜，過程的機理模型難以獲得;與此同時，由于集散控制系統(tǒng)在工業(yè)界的普及和計算機技術(shù)的快速發(fā)展，流程工業(yè)積累了海量的過程數(shù)據(jù)。因此，基于多元統(tǒng)計分析的過程監(jiān)測技術(shù)成為了學術(shù)研究和工業(yè)應用的熱點，在過去二十年里產(chǎn)生了許多的研究成果和應用。

2、r>　　由于過程對象的本質(zhì)特征和閉環(huán)控制系統(tǒng)的廣泛運用，過程動態(tài)性是實際工業(yè)過程廣泛存在的一種性質(zhì)。近年來，研究者們針對過程的動態(tài)特性，提出了諸如動態(tài)多變量過程監(jiān)測方法、時間序列模型、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。以上方法假定動態(tài)過程運行在單一的工況下，過程變量之間線性相關(guān)而且服從高斯分布。然而，實際的動態(tài)過程往往運行在更復雜的環(huán)境下，使得過程變量非線性、非高斯，工況非單一，而且受到過程噪聲的影響。本文在已有

3、的基于狀態(tài)空間模型過程監(jiān)測方法的基礎上，針對不同的動態(tài)過程復雜特性，提出了以下對復雜動態(tài)過程進行建模與監(jiān)測的新方法和新思路。
　　(1)針對小樣本環(huán)境下動態(tài)過程的建模與監(jiān)測問題，提出了一種基于稀疏偏最小二乘的動態(tài)過程建模方法。稀疏偏最小二乘方法通過對投影向量加入稀疏性約束，可以獲得稀疏的投影矩陣，從而對子空間辨識時的輸入變量進行變量選擇。該方法在模型訓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擬合問題，增強了

4、模型對樣本外數(shù)據(jù)的推廣能力。在過程監(jiān)測的應用上，基于稀疏偏最小二乘模型的過程監(jiān)測方法的性能優(yōu)于沒有加稀疏約束的偏最小二乘方法。
　　(2)對于噪聲環(huán)境下的動態(tài)過程監(jiān)測，提出了一種基于數(shù)據(jù)的線性高斯狀態(tài)空間模型。類似于概率主成分分析和因子分析，線性高斯狀態(tài)空間模型同時考慮到了過程噪聲的統(tǒng)計特性。該模型的參數(shù)通過期望最大化算法估計出來。在模型中，采用卡爾曼濾波器來進行狀態(tài)估計與輸出預測，在狀態(tài)空間和殘差空間分別建立監(jiān)測統(tǒng)計量，并提出了

5、基于殘差監(jiān)測統(tǒng)計量貢獻的故障識別算法。與傳統(tǒng)的基于主成分分析的故障識別算法相比，本文提出的故障識別算法有效的避免了故障干擾問題，在對動態(tài)過程進行故障識別時，可以獲得更加準確的識別結(jié)果。
　　(3)考慮到多工況過程的動態(tài)特性，提出了一種多工況動態(tài)過程監(jiān)測的混合規(guī)范變量分析模型。該模型既考慮到了過程的多工況特性，將過程分解為不同的高斯分布子模態(tài);同時也考慮到了過程數(shù)據(jù)的動態(tài)特性，對于每一個子模態(tài)，分別采用子空間方法建立動態(tài)子模型。在對

6、過程樣本進行監(jiān)測時，可以通過貝葉斯公式和邊緣概率分布求取樣本從屬于每一個子模型的后驗概率。并且在不同的子模型下，分別計算局部監(jiān)測統(tǒng)計量，最后根據(jù)后驗概率，將不同子模型的局部監(jiān)測統(tǒng)計量綜合起來，構(gòu)成全局的監(jiān)測統(tǒng)計量。相比于傳統(tǒng)的用于多模態(tài)過程監(jiān)測的高斯混合模型和用于動態(tài)過程監(jiān)測的規(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)動態(tài)過程監(jiān)測方法，能夠取得更好的監(jiān)測性能。
　　(4)提出了一種基于核偏最小二乘的非線性非高斯動態(tài)過程的

7、監(jiān)測方法。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對過程數(shù)據(jù)的非線性和動態(tài)性進行建模。而核函數(shù)的引入可以將這種非線性投影隱式表達，應用中不需要關(guān)心其復雜的非線性投影形式，簡化了計算的復雜性。在過程監(jiān)測中，對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)測統(tǒng)計量不再有效。為了解決非高斯分布變量的監(jiān)測問