偏最小二乘算法在过程监控中的应用研究(2)
4.1 TE过程变量及故障信息 20
4.2 故障1的个案研究 22
4.3 故障5的个案研究 24
5 结论 28
致谢 29
参考文献 30
1 绪论
1.1 研究背景
随着现代工业的高速发展和过程工业的不断进步，工业过程也越来越复杂。伴随工业过程的复杂性的是工业计算机技术的发展。工业计算机的出现使得大量过程数据被采集并存储下来。但是由于过程工业的复杂性，使得工厂集控中心往往有成千上万的过程数据和报警信息。在如此庞大的信息量前，操作人员往往很难确定过程的运行情况，而一旦出现故障就将会造成巨大的经济损失。于是，现代工业要求通过这些过程数据来充分监控过程工业。一系列对于过程监控的方法被研究出来。基于工业统计学的产品质量控制系统结构图如图1.1所示。
图1.1 产品质量控制系统结构图
文纳（Wiener，1894-1964）在1948年首次提出了控制论，经过数十年的发展，自动化理论和技术已经发展得相当完善了。而在过去的三十年里，随着复杂过程计算机控制系统的出现，过程控制出现了高速发展。此时早期的SQC（Statistical Quality Control ——统计质量监控）概率已经不能满足现代过程工业的要求了，于是，工业统计学在工业控制系统出现了很多新的领域和概念。
近年来，随着知识经济和信息技术的发展，流程工业的管理与决策的研究中出现了一些新的研究方向。绿色制造、知识工程、供应链管理、物流优化等新的管理理念都在流程工业的管理与决策的研究中出现。过程控制工程以过程工业生产的“安、稳、长、满、优”为研究任务，所研究的对象是工业生产过程，如炼油、化工、造纸等，这类生产过程一般具有多样性、复杂性和危险性的特点。如何将设计的控制策略、优化算法等放在一个具有普遍性实验对象上进行研究和测试是研究人员必须考虑的一个问题。因为在实验室研究和测试之前，将这些算法直接安装在工业实际装置或流程上运行是不可能的，所以计算机过程模拟仿真就成了主要的研究和测试手段。
流程工业是一个非常巨大的产业，在产业中占据重要的地位，是国民经济发展中极为重要的基础支柱产业，是制造业的重要组成部分。其特点是以处理连续或间歇物料流、能量流为主，产品多以大批量的形式生产。流程工业的生产和加工方法主要有化学反应、分离、混合等等，这些都与离散制造工业有显著不同。在知识经济时代的21世纪，作为传统工业的流程工业将仍然是经济发展的重要支柱产业。据2003年估计全球流程工业的年产值超过5万亿美元，其中仅化工和石油化工部分就超过1万2千亿美元。根据2005年中国统计年鉴，2004年按行业分国有及国有控股企业中，工业总产值35571.18亿元，工业增加值12132.41亿元。其中典型的流程工业工业总产值共计23396.53亿元，占总产值的65.77%，工业增加值8 810.18亿元，占总量的72.62%。
TE过程是由美国Eastman(伊斯曼)化学公司的Downs和Vogel提出来的一个用来开发、研究和评价过程控制技术和监控方法的现实的化工过程模型，它来自于一个真实工业过程的仿真，很多从事相关研究的国内外学者、专家以及大量文献引用它作为数据源来进行控制、优化、故障诊断等研究。主元分析(PCA)方法是一种目前广泛应用于化工过程监控的数据驱动方法，但PCA是一种线性变换方法，当应用于非线性过程时其性能会大大降低。[1]
在工农业生产、社会经济生活、科学研究等各个领域中，经常要对数据进行分析、拟合及预测，多元线性回归便是常用的方法之一。近年来发展起来的偏最小二乘（PLS）算法是一种新型的多元统计分析技术，其研究的焦点是多因变量对多因变量回归建模，能在自变量之间存在多重共线性的条件下进行建模，更易于辨识系统信息与噪声，对因变量也有较强的解释能力。