质量相关的复杂动态过程故障诊断与预测理论及其应用

以复杂钢铁流程中带钢热连轧机生产过程为背景，研究具有非线性特性的复杂动态过程质量相关的故障诊断与预测方法，提出一套适合非线性、快速、动态过程的统计质量监测、诊断与预测的理论体系与方法。复杂工业过程存在层次多、动力学过程高度非线性、状态变量维数高、各部分强耦合、干扰复杂、系统参数时变等特性，无法建立精确的过程模型，因此基于模型的故障检测技术难以直接使用。在实际生产过程中，基于数据的统计过程监测技术得到了广泛应用。 基于此技术，围绕质量相关的故障诊断与预测问题，拟研究和解决以下几个方面的问题：（1）多尺度、动态潜结构投影建模技术；（2）快速递推及分段动态潜结构投影算法；（3）质量相关的故障估计与预测。在应用前景方面，本项目的研究成果将为提高复杂快速工业过程产品质量与生产的安全性提供有效的方法和理论依据。

随着复杂工业系统规模的不断扩大以及对产品质量、系统性能和成本要求的不断提高，现代工业过程呈现出大型化、连续化、高速和质量要求高等特点，这对生产过程中的安全性提出了更高要求。本项目以钢铁流程中带钢热连轧生产过程为背景，研究具有非线性特性的复杂动态过程质量相关的故障诊断与预测方法，提出了一套适合于非线性、快速、动态过程的统计质量监测、诊断与预测的理论体系与方法。主要体现在以下四方面：1）通过研究潜结构投影建模机理及几何性质，针对传统的动态潜变量建模中对过程变量之间的动态关系的描述不清晰且难以解释之间的关系，通过提取显示的动态关系中的潜在因子，提出了一类动态潜变量建模新方法，该模型结构能有效改进动态数据的建模和增强过程监测的性能。在此基础上，围绕质量相关的过程监测，将该动态潜变量建模方法扩展到全潜结构投影模型，并应用到带钢热连轧厚度质量动态过程监测。2）研究与开发了子空间的建模方法及快速递推的潜变量建模方法。为解决过程监测中的非线性引入核函数映射来改进全潜结构投影（T-PLS）的外模型，推导出全核潜结构投影(T-KPLS)，并证明了存在于新模型中的相关性质，同时提出了基于T-KPLS模型的故障检测指标用以检测存在于非线性变量之间的各种故障。3）通过系统研究和分析广义重构贡献率故障诊断方法的几何属性，发现广义重构贡献率方法在实现对故障变量隔离的同时，影响了产品质量。提出了一类新的面向质量相关故障诊断的重构贡献率方法能有效定位故障变量但对非故障变量影响较小，可广泛应用于质量相关的故障诊断。另一方面，针对核函数的引入给故障诊断带来的困难，提出了一类能清晰解释故障变量的非线性故障诊断方法，将该方法拓展到质量相关的非线性故障诊断并应用到钢铁生产过程。4）在上述故障检测与诊断基础上，提出了利用独立主元分析（ICA）的基于重构的故障预测方法。同时，在系统分析了质量相关的过程监测、诊断及预测的基础上，提出了复杂工业过程关键性能指标的预测与诊断框架，并针对带钢热连轧生产过程中的关键性能指标的预测及诊断进行试验验证。此外，项目组还对带钢热连轧生产过程的相关建模、控制与优化问题展开研究，并对生产过程中的非高斯、随机性等问题进行了探索性研究，取得一定的研究成果。在应用前景方面，研究成果将为提高复杂快速工业过程产品质量与生产的安全性提供有效的方法和理论依据。