基于高維時(shí)間序列分析的多模態(tài)工業(yè)過(guò)程監(jiān)測(cè)方法研究.pdf

1、以發(fā)酵過(guò)程為代表的多模態(tài)工業(yè)過(guò)程是現(xiàn)代生物工業(yè)的主要生產(chǎn)方式之一，多模態(tài)工業(yè)過(guò)程的動(dòng)態(tài)特性、時(shí)效性、非線性、批次間差異性和多操作階段性等都給其監(jiān)測(cè)帶來(lái)了困難，研究有效的監(jiān)測(cè)方法對(duì)改善發(fā)酵生產(chǎn)過(guò)程的品質(zhì)具有重要價(jià)值。現(xiàn)有基于多變量統(tǒng)計(jì)分析的監(jiān)測(cè)方法中，沒(méi)有考慮非平穩(wěn)的控制輸入對(duì)監(jiān)測(cè)結(jié)果的影響，導(dǎo)致誤報(bào)率增加。本課題針對(duì)控制輸入對(duì)間歇過(guò)程階段劃分及其監(jiān)測(cè)的影響，將小波變換(WaveletTransformation，WT)、核主元分析(Ke

2、rnal Principle Component Analysis，KPCA)、以及模糊C均值(Fuzzy C-Means，F(xiàn)CM)聚類(lèi)等方法有機(jī)相結(jié)合，提出了一種新的用于間歇過(guò)程階段劃分方法，并將之應(yīng)用于間歇過(guò)程的分段監(jiān)測(cè)，能夠避免控制輸入突變對(duì)監(jiān)測(cè)的影響，提高了監(jiān)測(cè)結(jié)果的可靠性。
　　本文在基于PCA的間歇過(guò)程模態(tài)聚類(lèi)方法的基礎(chǔ)上，研究了基于WT-KPCA和FCM的間歇過(guò)程模態(tài)聚類(lèi)方法，該方法利用系統(tǒng)瞬時(shí)脈沖響應(yīng)函數(shù)代替觀測(cè)序

3、列進(jìn)行階段劃分，與傳統(tǒng)基于PCA的階段劃分方法相比，WT-KPCA方法依據(jù)系統(tǒng)的瞬時(shí)動(dòng)態(tài)特性進(jìn)行階段劃分，能夠避免控制輸入數(shù)據(jù)的不連續(xù)突變對(duì)分段結(jié)果的影響;研究了依據(jù)分段結(jié)果的間歇過(guò)程子階段建模，并研究了階段模型的融合方法，提出了一種聯(lián)合加權(quán)支持向量機(jī)(Jointed Weighted Support Vector Machine，JW-SVM)建模方法，考慮了間歇過(guò)程整體對(duì)過(guò)渡過(guò)程的影響，能夠有效提升模型精度;在線監(jiān)測(cè)時(shí)，利用容積式K