基于多变量统计技术的间歇过程在线监测及故障诊断方法的研究

间歇过程是现代过程工业的一个重要分支。以保障安全生产和连续稳定的产品质量为目标的过程监测及故障诊断已成为一个迫切且必要的研究方向。然而，由于间歇过程固有的多变量、多工序、反应复杂、过程运行时间不确定,以及产品品种不断变化等多种原因，基于机理分析、知识推理等的经典建模方法难以实现。而以主成分分析（PCA）和偏最小二乘(PLS)为核心的多变量统计建模方法却是处理高维、高度耦合的过程数据的有效工具, 并已经在连续工业过程中取得了成功的应用。但是，由于PCA和PLS要求被处理的过程数据具有"独立正态分布"特性，而间歇过程的变量却是随着操作工序及运行时间不断变化，传统的PCA和PLS方法不能直接应用于间歇过程。本研究项目将针对间歇过程数据的特点，分析过程变量相关性与操作工序的变化关系，提出有效的基于PCA和PLS算法的间歇过程监测及故障诊断算法，并应用于注塑及发酵过程中。