基于多元统计理论的间歇过程性能监控、质量预测和质量调控方法研究

As an important industrial mode of production ，the batch process has been widely applied in biopharmaceutical and chemical industries etc. The batch process safety and product quality always is a focus of people's attention. However, due to the complicated process dynamical features of batch processes, the process monitoring and quality control become urgent problems need to be solved. In this work,the data-based batch process monitoring, quality prediction and quality control techniques are studied by combining the multivariate statistical theory with other methods such as manifold learning,tensor analysis, and so on. The specific content includes: (1) studying the data global-local structure analysis method, and proposing the tensor data structure anlysis based batch process monitoring method,(2) studying quality-relevant fault monitoring, quality prediction and quality control techniques based on the multi-way concurrent partial least squares, (3) for multiphase batch processes, studying a soft phase partition algorithm based on the tensor fuzzy clustering technique, phase positioning and critical-to-quality phase identification methods based on the correlation analysis, and proposing phase-based process monitoring, quality prediction and quality control techniques. This work aims at forming an applicable theory and method system for batch process monitoring, quality prediction and quality control.

间歇过程作为一类重要的工业生产方式，广泛应用于生物制药、精细化工等领域。间歇过程的过程安全和产品质量一直是人们关注的焦点。然而，由于间歇过程的过程特性极其复杂，对其进行有效的过程监控和质量控制是亟待解决的难题。本项目以间歇过程为研究对象，利用海量过程数据，借助多元统计理论，结合流形学习和张量分析等方法，围绕过程监控、质量预测和质量调控等关键问题展开研究。具体内容包括：（1）研究数据全局-局部结构分析方法，提出基于张量数据结构分析的间歇过程监控方法；（2）研究基于多向并行偏最小二乘法的间歇过程质量相关故障监测、质量预测和保质调控方法；（3）针对间歇过程的多时段特性，研究基于张量模糊聚类技术的时段软划分方法以及基于相关分析的时段定位和关键时段辨识方法，提出基于时段的过程监控、质量预测和质量调控方法。本项目旨在形成一套面向实际需要的间歇过程综合性能监控、质量预测和质量调控理论方法体系。

间歇过程作为一类重要的工业生产方式，广泛应用于生物制药、精细化工等领域。间歇过程的过程安全和产品质量一直是人们关注的焦点。然而，由于间歇过程的过程特性极其复杂，对其进行有效的过程监控和质量控制是亟待解决的难题。本项目以间歇生产过程为研究对象，综合运用传统多元统计分析方法、流形学习算法和张量分析方法，围绕过程统计监控和质量预测等关键问题展开研究，取得了以下研究成果：（1）结合传统多元统计分析和张量分解方法，提出了多种适用于间歇过程三向数据的数据分析和建模方法，并在此基础上，结合移动数据窗口技术、支持张量数据描述等方法，提出了具有良好监测性能的间歇过程在线监测方法。（2）针对间歇过程的批次不等长问题，提出了基于GTUCK2模型的不等长间歇过程在线监控方法，可直接对非等长过程数据进行建模和监控，而无需采用轨迹同步将数据对齐。（3）为了充分利用间歇过程数据的三向相关信息，提出了基于高阶偏最小二乘法的间歇过程质量预报和质量相关监测方法，所建立的高阶回归模型能很好地描述批次、变量和样本之间三向相关性，具有较高的质量预测精度和良好的过程监测性能。（4）针对间歇过的多时段特性，考虑过程数据的时序性，并结合模糊聚类技术，提出了基于序列模糊聚类的时段软划分方法；为提高建模精度，提出了多时段的混合建模方法；在此基础上，提出了基于时段的过程监测和质量预测方法。本项目的研究成果构成了一套面向实际需要的间歇过程综合性能监控和质量预测方法体系，具有重要的理论意义和工程应用价值。