基于多模型外部分析和Greedy-KP1M的多工况过程监控
传统的基于多元统计过程监控方法都是假设过程处于单一工况下，而随着进料负荷、产品组分等过程参数的改变，生产过程的工况也随之改变，传统方法便不再适用。本文针对工业过程中的多工况监控问题，提出了一种基于多模型外部分析和Greedy-KP1M的多工况过程监控方法。首先针对传统外部分析方法描述能力不足的问题，用多模型局部建模代替单一模型来获得更好的描述能力，同时获得监控残差，通过对残差进行监控从而去除多工况的影响，进而将核单簇可能性聚类(KP1M)用于对残差的监控上。该方法拥有和支持向量数据描述(SVDD)相当的监控效果，但计算复杂度却远远小于SVDD。同时，采用Greedy方法提取特征样本，进一步降低了算法计算复杂度。最后将上述方法应用在TE模型和乙烯裂解炉的监控上，结果证明了该方法的有效性。
化学工业 监控技术 监控残差 Greedy方法
王晓阳 王昕 王振雷 钱锋
化工过程先进控制和优化技术教育部重点实验室(华东理工大学)，上海，200237 上海交通大学电工与电子技术中心，上海，200240 流程工业综合自动化国家重点实验室(东北大学)，沈阳 110004
国内会议
厦门
中文
1-8
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）