（控制科学与工程专业论文）基于icapca方法的流程工业过程监控与故障诊断研究.pdf

浙江大学博士学位论文 摘要 工业生产的过程监测与故障诊断一直是流程工业系统关注的主要问题之一。它通 过监测生产过程的运行状态，及时检测故障发生、过程干扰以及其它的异常工况，定位 并诊断引发故障的原因变量，从而保证生产过程安全运行，提高产品质量和生产效率。 目前，随着流程工业c i p s ( c o m p u t e ri n t e g r a t e dp r o c e s ss y s t e m ) 的发展，大量的过程数 据被及时采集和存储，因此，如何充分利用这些数据的深层次信息，提高过程监控能力， 逐渐成为过程控制领域的研究重点之一。传统的多变量统计监控方法多采用主元分析 p c a ( p r i n c i p a lc o m p o n e n t a n a l y s i s ) ，偏最小二乘分析p l s ( p a r t i a l l e a s ts q u a r e ) 等方法， 这些方法在假设变量独立同分布的同时，还要求变量服从正态分布，并且利用的仅是二 阶统计量信息。独立成分分析方法( i c a ，i n d e p e n d e n tc o m p o n e n t a n a l y s i s ) 是- t e e 基于高 阶统计量的信号分解方法，将其用于流程工业的过程数据分析处理，能更有效地利用变 量的概率统计特性，可以在统计独立意义下对观测变量进行分解，得到过程内在的驱动 信息源，从而更本质地描述过程特征。 本文以独立成分分析i c a 为基础 点，对传统p c a 监控方法进行了改进 监控算法，具体包括以下几个方面： 针对流程工业中连续和间歇两种生产方式的特 提出了一些新的基于i c a 方法的工业生产过程 ( 1 )提出一种基于独立成分分析( i c a ) 的连续工业过程系统监控方法。采用非 高斯最大化判据从观测变量中分解出相互独立的非高斯变量( 独立成分分量) ，它满足 统计意义下的独立特性，而不仅仅是p c a 所要求的不相关。进一步，通过非高斯度排 序思想确定选取的独立成分分量数，并建立相应的统计控制置信限，用于连续工业过程 系统的监控。t e n n e s s e ee a s t m a n 过程的仿真研究表明，独立成分分析方法具有更好的监 控能力，能够更及时地监测出故障的发生，同时对主元分析方法p c a 不能发现的故障， 亦有较好的监测效果。 ( 2 )提出一种基于字符串匹配的故障识别方法。通过i c a 分解获得独立成分分 量，将其在不同工况运行下的状态转换为用字符串表示，从而将故障类型的识别问题转 换为字符串的匹配问题。字符串匹配方法仅由数据驱动，既不需要充足丰富的训练数据 也不需要建立过程模型，实施起来简单方便。t e n n e s s e ee a s t m a n 过程的仿真结果表明 1 1 浙江大学博士学位论文 了该方法的可行性和有效性。 ( 3 ) 提出了一种步进多向主元分析的间歇工业过程系统监控方法。通过建立一 系列的m p c a 模型避免了传统多向主元分析方法( m u l t i w a yp r i n c i p a lc o m p o n e n t a n a l y s i s ，m p c a ) 在线监控时需要预测过程未来输出的不足，同时所引入的遗忘因子 还可以自然扩展到多阶段间歇过程。对多阶段链霉素发酵过程的监控仿真表明，相对于 传统的m p c a ，步进m p c a 能够更快地监测出过程的异常工况，同时能及时反映出操 作人员为消除异常工况所作出的调整。 ( 4 )提出一种i c a - - m p c a 的间歇工业过程系统监控方法。通过将观测变量转 换为互不相关的独立成分之后，可以自然地对非正态分布的观测变量建立统计模型，以 及确定单变量和联合分布的统计控制置信限；同时，又避免了m p c a 方法针对非正态 分布的多维非参数概率密度估计问题。将所提出的i c a - - m p c a 方法应用于间歇青霉素 发酵过程的仿真监控，结果表明了i c a - - m p c a 方法的可行性和优越性，有效扩展了传 统m p c a 监控方法的应用场合，尤其是对过程变量不满足正态分布的情况下，能够准 确地对过程进行监控。 最后，在总结全文工作的基础上，讨论了基于数据的统计监控方法在理论及应用上 有待进一步研究的若干问题。 关键词：独立成分分析：主元分析；过程监控；故障诊断：统计过程控制；流程工业 浙江大学博士学位论文i i i a bs t r a c t t h e p r o c e s sm o n i t o r i n ga n d f a u l td i a g n o s i si so n eo ft h em o s ti m p o r t a n t p r o b l e m si nt h e p r o c e s si n d u s t r y t h r o u g hm o n i t o r i n g t h es l a t eo ft h ep r o d u c t i o np r o c e s s ，d e t e c t i n gt h ef a u l t ， p r o c e s su p s e t s a n do t h e ra b n o r m a le v e n t sp r o m p t l y , l o c a t i n ga n dr e m o v i n gt h ef a c t o r s c a u s i n gs u c he v e n t ，t h es a f e t yo fp r o d u c t i o np r o c e s sw i l lb ea s s u r e da n dt h eq u a l i t yo f t h e p r o d u c tw i l lb ei m p r o v e d w i t ht h ed e v e l o p m e n to f t h ec i p s ( c o m p u t e r i n t e g r a t e dp r o c e s s s y s t e m ) ，ag r e a ta m o u n to fp r o c e s sd a t ac a n b es a m p l e da n dc o l l e c t e d h o wt of u l l yu t i l i z e t h i sd e e p l e v e li n f o r m a t i o nt oi m p r o v et h ep e r f o r m a n c eo ft h ep r o c e s sm o n i t o r i n gh a sb e e n g r a d u a l l yb e c o m i n g o n eo ft h ef o c u s e si nt h ef i e l do f p r o c e s s c o n t r 0 1 t r a d i t i o n a l m u l t i - v a r i a b l es t a t i s t i c a lm o n i t o r i n gm e t h o d s ，s u c ha sp c a ( p r i n c i p a lc o m p o n e n ta n a l y s i s ) ， p l s0 a t r i a ll e a s ts q u a r ea n a l y s i s ) ，a s s r m et h a tt h ev a r i a b l e sm u s ts u b j e c tt ot h en o r m a l d i s t r i b u t i o nc o n d i t i o ni na d d i t i o nt ot h ea s s u m p t i o nt h a tt h ev a r i a b l e sa r ei n d e p e n d e n ta n d i d e n t i c a ld i s t r i b u t i o n ，a n do n l yt h es e c o n d o r d e rs t a t i s t i c a li n f o r m a t i o ni s i m p o s e d i c a ( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ) ，w h i c h i si n t r o d u c e di n t ot h ef i e l do f p r o c e s si n d u s t r ya sa d a t aa n a l y s i sm e t h o d ，i sas i g n a ld e c o m p o s i n gt e c h n i q u eb a s e do nt h eh i g h e r - o r d e rs t a t i s t i c a l i n f o r m a t i o n n l i sm e 也o dc a nu t i l i z et h es t a t i s t i c a lc h a r a c t e r i s t i c so ft h ev a r i a b l e sm o r e e f f i c i e n t l y t h e i n t r i n s i cc h a r a c t e r i s t i c so ft h e p r o c e s s c a nb ed e s c r i b e d t h r o u g h t h e d e c o m p o s i n g o ft h em o n i t o r i n gv a r i a b l e su n d e rt h em e a n i n g so f t h es t a t i s t i c a li n d e p e n d e n c e i nv i e wo fc h a r a c t e r i s t i c so ft h ec o n t i n u o u sa n db a t c hi n d u s t r yp r o c e s ss y s t e m s ，s o m e i m p r o v e m e n t s o ft r a d i t i o np c ah a v e b e e nm a d ea td i f f e r e n t d e g r e e ，a n d s o m en e w m o n i t o r i n ga l g o r i t h m sb a s e do ni c a a r ea l s op r o p o s e di nt h i st h e s i s t h ew o r k sa r ed i v i d e d i n t ot w op a r t s ，t h ec o n t i n u o u sp r o c e s sm o n i t o r i n ga n dt h eb a t c hp r o c e s sm o n i t o r i n g t h e m a i nc o n t r i b u t i o n so f t h i st h e s i sa r ea sf o l l o w s ： 1 ，an e w c o n t i n u o u s i n d u s t r yp r o c e s ss y s t e mm o n i t o r i n g m e t l l o db a s e do n i n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) i sp r o p o s e d t h em a x i m i z a t i o n o fn o n g a u s s i a n c r i t e r i o ni s a d o p t e dt od e c o m p o s et h ei n d e p e n d e n tn o n - g a u s s i a nc o m p o n e n t s f r o mt h e m o n i t o r i n gv a r i a b l e s i tc a ns a t i s f y t h ei n d e p e n d e n c ew i t ht h es t a t i s t i c a lm e a n i n g ，n o t j u s tt h e d e c o r r e l a t i o ni np c a f u r t h e r m o r e ，t h en o n g a u s s i a ns e q u e n c et e c h n i q u ei su s e dt oc h o o s e t h en u m b e ro ft h e i n d e p e n d e n t v a r i a b l e sa n ds e tt h er e l e v a n tc o n f i d e n c el i m i t sf o rt h e 1 v 浙江大学博士学位论文 c o n t i n u o u s m o n i t o r i n g n l em o n i t o r i n gp e r f o r m a n c eo ft h e p r o p o s e d m e t h o da n dt h e p c a b a s e dm e t h o da r e c o m p a r e dw i t ha p p l i c a t i o nt ot h et e n e s s e ee a s t m a np r o c e s s ( t e p r o c e s s ) n l er e s u l t s s h o wt h a tt h e p r o p o s e di c a - b a s e dm e t h o dh a sa d v a n t a g e so v e r p c a - b a s e dm e t h o d ，a n dl e s sd e t e c t i o n d e l a y c a r lb eo b t a i n e d a tt h es a n l et i m et h e l c a - b a s e dm e t h o dc a nm o n i t o rt h ef a u l t sw h i c ht h ep c a c a r ln o t 2 ，as t r i n gm a t c h i n gm e t h o di s p r o p o s e df o rt h ed i f f e r e n tf a u l ti d e n t i f i c a t i o n t h e l a t e n tv a r i a b l e sa r ee x t r a c t e df r o mt h ei n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) i nd i f f e r e n t s t a t eo f p r o d u c t i o nc a nb et r a n s f o r m e dt ot h ec h a r a c t e rs t r i n g s a c c o r d i n gt ot h es i t u a t i o no f a l a r ml i m i tv i o l a t i o n so fi n d e p e n d e n tc o m p o n e n t s ，t h ed i a g n o s i so ff a u l t si sr e d u c e dt oa s t r i n gm a t c h i n gp r o b l e m n l ep r o p o s e dm e t h o di sd a t ad r i v e na n du n s u p e r v i s e d d o e sn o t n e e dp l e n t i f u lo ft h et r a i n i n gd a t aa n dap r o c e s sm o d e l 1 1 1 es i m u l a t i o nr e s u l t sf r o mt h e a p p l i c a t i o n t ot h et e n n e s s e ee a s t m a nc h a l l e n g e p r o c e s sd e m o n s t r a t e i t s f e a s i b i l i t y a n d e f f e c t i v e n e s s 3 ，a ni m p r o v e ds t e p - b y s t e pm p c a ，u s i n gt h ep r o c e s sv a r i a b l et r a j e c t o r i e st om o n i t o r b a t c h i n d u s t r yp r o c e s ss y s t e m i s p r e s e n t e d a s e r i e so fm p c ai ss e t u p t oa v o i d p r e e s t i m a t i n gt h eu n k n o w np a r to f t h ep r o c e s sv a r i a b l et r a j e c t o r yd e v i a t i o nf r o mt h ec u r r e n t t i m et ot h ee n d m e a n w h i l e ，af o r g e t t i n gf a c t o rm a k e st h ec o n t r o lm u c he a s i e ra n dc a nb e e x t e n d e dt ot h e m u l t i p h a s e b a t c h p r o c e s s t h i sa l g o r i t h m i se v a l u a t e do ni n d u s t r i a l s t r e p t o m y c i nf e r m e n t a t i o np r o c e s sd a t aa n di sc o m p a r e dw i t ht h et r a d i t i o n a l m p c a t h e s t e p b ys t e pm p c a c a l ld e t e c tt h ea b n o r m a lq u i c k e rt h a nt h et r a d i t i o n a lm p c a ，c a na l s o r e f l e c tt h em o d i f i c a t i o no f t h e o p e r a t o r 4 ai l e wi c a m p c aa p p r o a c hi sp r o p o s e dt om o n i t o rt h eb a t c hi n d u s t r yp r o c e s s s y s t e m a f t e rt h eo b s e r v e dv a r i a b l e sh a v eb e e nt r a n s f o r m e dt ot h ei n d e p e n d e n tc o m p o n e n t s ， t h es t a t i s t i c a lm o d e lc a l lb es e tu pf o rt h en o n - g a u s s i a nm o n i t o r i n gv a r i a b l e sn a t u r a l l y ，t h e c o n f i d e n c el i m i t sf o rt h es i n g l ea n du n i o nd i s t r i b u t i o ns t a t i s t i c a l c o n t r 0 1c a nb es e tf o r m o n i t o r i n gt h e b a t c h p r o c e s s ，a t t h es a m et i m e i ta l s oa v o i dt h em u l t i d i m e n s i o n a l n o n p a r a m e t r i cp r o b a b i l i t yd e n s i t y e s t i m a t i o na p p e a r e di nt h em p c aa sd e a l i n gw i t ht h e n o n - n o r m a ld i s t r i b u t i o n t h ei c a - m p c am e t h o di se v a l u a t e do nt h ep e n i c i l l i nf e r m e n t a t i o n b e n c h m a r k p r o c e s sa n d i sc o m p a r e dt ot h et r a d i t i o n a lm p c a t h e r e s u l t ss h o wt h ef e a s i b i l i t y a n ds u p e r i o r i t yo ft h ei c a m p c am e t h o da n dt h em e t h o dh a ss i g n i f i c a n tb e n e f i tw h e n t h e d a t ad o e sn o ts u b j e a tt on o r m a ld i s t r i b u t i o n t h ea p p l i c a t i o nf i e l do ft h et r a d i t i o nm p c a m o n i t o r i n g m e t h o dh a sb e e n e x p a n d e de f f e c t i v e l y f i n a l l y , t h e r ea r ec o n c l u d e dw i t has u m m a r y a n ds o m ep r o b l e m sn e e d e dt ob es t u d i e d 浙江大学博士学位论文 v i nt h ef u t u r ea r ep u tf o r w a r d k e y w o r d s ：i n d e p e n d e n tc o m p o n e n ta n a l y s i s ；p r i n c i p a lc o m p o n e n ta n a l y s i s ；p r o c e s s m o n i t o r i n g ；f a u l td i a g n o s i s ；s t a t i s t i c a lp r o c e s sc o n t r o l ；p r o c e s si n d u s u - y 堑兰查堂堕主主壁堡塞 ! ! 致谢 时光荏苒，春华秋实，恍然间求是园里度过了三个寒暑。回首三年的求学生涯，感 慨万千。在即将完成学业之际，内心的感激之情难于言表，只能用只言片语来表达我此 时的心境。以表达芋芋学子对曾伴我走过这段历程的师长、学友们的深深谢意。 感谢我的父母，没有他们的鼓励和支持，我不能取得今天的成果。我的成长首先归 功于父母的功劳，我的言一行、一动一静莫不牵挂着他们的心。正是他们多年来默默 的关心和无私的关爱，得以支持我完成学业，在这里我向您们衷心地说，感谢您们，女 儿无以回报，唯有在今后的人生历程中努力进取，以报答您们的养育之恩。 感谢我的导师王树青教授。三年前，当我希望继续求学时，王老师为我打开了一道 通往知识的大门，使我能够在浙大这片沃土上、在美丽的西子湖畔和葱郁的老和山下留 下学习和成长的足迹。王老师渊博的学识、严谨的治学态度、踏实的工作作风和敏锐的 洞察力使我受到潜移默化的熏陶，使我不仅在科研能力上得以提高，更学会了做人、做 事的原则和方法，特别是他强调从工业实际问题中发现并提炼出科学研究的课题，更是 使我受益匪浅。 在三年的科研工作中，感谢王骥程先生、荣冈教授、王宁教授、张建明副教授、张 泉灵副教授、金晓明副教授、来国妹女士以及系里其他老师在工作和学习上给予我的关 心和帮助。 本文的部分章节与谢磊同学进行了有益的探讨，在此表示衷一i l , 的感谢。同时感谢本 课题组的郭明、陈亚华、周韶园、蒋丽英同学，与他们在一起讨论，得到不少启发和思 路，使我的论文得队顺利完成。 感谢王林师兄、韩安太、黄海、刘峙飞、刘天泉、祝雪妹、刘益剑、朱炜、张惠良 赵小强、李荣雨、宋凯等给予的帮助和鼓励，怀念和你们在一起度过的愉快时光。特别 感谢化工生产过程监控与故障诊断d 、组的同仁们，你们在生活和学习上给予了我极大的 帮助，并伴随我度过了许多美好的时光，使我的生活充满了欢笑。 感谢我的先生王仲琦这三年来给予我的支持和帮助，每当我沉闷，苦恼，对未来忧 虑时，都是他的耐心开导使我重新静下心来开始科研工作。感谢我的公公婆婆对我的关 爱和帮助，感谢所有亲人对我的关爱。 感谢所有以上还未提及并曾经帮助过我的师长、同学和好友! 何宁 2 0 0 4 年5 月于浙大求是园 浙江大学博i 学位论文 第一章流程工业统计过程监控的研究概况 摘要 从流程l ：业企业的现实需求出发，提出并分析了流程工业的特点及亟待解决的问题，阐明了过 程监控和故障诊断的现实意义。进而对过程监控和故障诊断的理论进行简介。综述了全文采用的二 个主要分析方法一独立成分分析( i c a ) 方法和主元分析方法( p c a ) 的研究现状，以及它们在过 样监控中的应h j 前景。最后，介绍了本文的主要工作内容。 关键词：统计过程监控；主元分析；独立成分分析 1 1 流程工业过程控制的现状 自9 0 年代以来，随着经济全球化进程的迅猛发展和市场竞争强度的目益加剧，企 业同益面临着“市场预测、快速响应、柔性生产、创新管理”等非常迫切的任务。面对 这些复杂生产过程要求，传统的控制方法显现出不足。主要存在的问题有【l 2 】： ( 】)对象不确定性问题。众所周知，工业过程均存在多种多样的干扰，许多干 扰不仅严重而且机理复杂。不仅如此，大多数干扰既无法测量，也无法消除。一般来说， 不确定的来源可分为两类：不可预知输入和不可预知动态。控制系统设计所基于的数学 模型一般仅是被控对象的简单近似，一般都忽略掉许多复杂的干扰因素，这样建立的数 学模型与实际情况相差甚远，很难取得好的控制效果。 ( 2 )多变量和强耦合特性。流程工业过程中，都包含了较多过程变量，而且过 程变量之间相互关联、相互耦合，任何一个变量的变化都可能会引起其它所有变量发生 变化，从而使工业流程错综复杂。这就增加了过程控制的困难程度和复杂程度。 ( 3 )对象的非线性特性。严格地讲，所有工业过程都存在非线性。对于非线性 程度较弱的系统，在一定的范围内可以当作线性系统来处理，对于非线性程度较强的系 统，采用线性化的处理方法时常会产生很大的偏差，甚至会得出完全相反的结论。 2 第一章沆程工业统计过程监控的研究概况 ( 4 ) 信息的多样性。现代工业过程的控制和管理系统，信息的传输处理、利用和 再现不再是单一的表现形式，而是语言、文字、图形、图像、数字等多媒体信息集成。 冈而所需采集乖l 处理的数据量非常庞大。 ( j ) 系统功能的多层次性。控制任务不只是局限于底层反馈系统的调节( 定值) 、 伺服( 跟踪) 问题，而且要求监控、优化、诊断、调度、规划以及适应环境变化。系统 往往具有多层次、多目标的控制要求。控制中的计算复杂性增加，并且不仅仅是数学公 式的表达和数值计算，还要将人的经验、知识容纳进去。 这些问题的出现，促使理论研究的重点逐步向过程工业的更高层次协调、监督控制 和组织管理等方向转移。从而使过程控制从原有的装置控制进入到集控制、优化、调度、 管理为特征的多层次、多模式、多视图的生产全过程综合自动化模式。即现今的过程工 业生产已不再是个个“自动化孤岛”的简单集合，而是自动化技术、信息技术、计算 机技术和各种生产技术的集合。综合自动化就是在计算机通讯网络和分布数据库支持 下，实现信息与功能的集成，进而充分调动以人为主要因素的经营系统、技术系统及组 纵系统的集成，最终形成一个能适应生产环境不确定性和市场需求多变的全局优化的高 质量、高效益、高柔性的智能生产系统。图l 一1 ( r r e n g a s a m y ，1 9 9 5 ) 给出了工业过程 计算机集成过程系统【3 】( c i p s ，c o m p u t e r i n t e g r a t e d p r o c e s ss y s t e m ) 结构示意图。由图 可见，过程监控与故障诊断部分是c p s 的一个重要组成部分，也是近年来的一个研究 热点。 图1 - 1 过程操作等级结构图 事实上，由于过程工业规模的不断扩大，控制系统复杂性的日益增强，建厂投资数 额的巨大，市场竞争的剧烈，迫使人们不得不考虑过程生产的可靠性和安全性。如果过 程出现了故障不能及时排除，有可能会造成巨大的经济损失。因此，对过程进行监控有 着非常重大的意义，同时也是保证企业在瞬息万变的市场经济中保持不败的一个重要手 段。 浙江大学博士学位论文 1 2 过程监控的基本概念和分类 过程监控系统就是监督生产过程的运行状态，不断检测过程的变化和故障信启。以 防止灾难性事故的发生，同时减少产品质量的波动等【8 】。 过程监控方法，e m f r a n k ( 1 9 9 0 ) 1 9 懈故障诊断方法划分为三类；基于数学模型的方 法、基于知识的方法以及基于信号处理的方法。随着近十年来故障检测和分离理论与实 践的发展，上述方法的划分已不是很适当，例如，新涌现出来的与统计学相关的方法， 归为信号处理的范畴并不恰当。因此，在本文中分为基于数学模型、基于知识方法及基 于数据驱动的方法。 l 、基于数学模型的方法 基于数学模型的方法建立在对模型的参数估计与过程状态估计的基础上对控制系 统的状态和参数进行重构，并构成残差序列，通过对残差序列的统计分析来监测故障的 发生并进行故障的识别。该方法的优点是易于分析和诊断，缺点是计算量大，被检测过 程的数学模型必须可利用，并且足够准确。在故障诊断方面，最早是麻省理工学院b e a r d 于1 9 7 1 年提出了用“解析冗余概念”代替传统的软件冗余，用于容错控制系统的设计， 为基于数学模型的故障诊断方法的出现奠定了基础。f r a n k 【9 】( 1 9 9 0 ) 提出了用解析冗 余的概念进行故障诊断；p a t t o n 1 0 ( 1 9 8 9 ) 总结了基于k a l m a n 滤波原理的动态系统诊 断方法；国内学者周东华等 1 1 , 1 2 1 ( 1 9 9 4 ，2 0 0 0 ) 和葛建华( 1 9 9 4 ) 等的专著也分别对 这一领域做了一定研究。 2 、基于知识的方法 该方法主要是利用人工智能的方法 1 4 - 1 6 1 ( 包括模糊逻辑、因果分析、专家系统等) ， 构造某些系统功能以模仿和实现人类( 熟练操作人员、技术人员、专家) 在监测控制过 程中的某些思维和行为，自动完成整个监测和诊断过程。应该说，基于知识的方法适合 于有大量生产经验和工艺知识可以利用的场合，其通用性比较差。 3 、基于数据驱动的方法 现今的工业过程通常拥有丰富的观测变量数据，因而对过程进行监控时，可以以采 集的过程数据为基础，通过各种数据处理与分析方法( 如多元统计方法、聚类分析、频 4 第一章流程t 业统计过程j | i 拄的研究概况 谱分析、小波分析等) 挖掘出数据中隐含的信息，从而指导生产。 基于数据驱动的流程工业过程监控研究与应用于上个世纪9 0 年代逐渐兴起。这主 要来自于两个方面的原因。一方面，随着d c s 和各种智能化仪表、现场总线技术在工 业过程中的广泛应用，大量的过程数据被采集并存储下来。但是这些包含过程运行状态 信息的数据并没有被有效地利用，以至出现了所谓的“数据丰富，信息匮乏”的现象 ( w a n g 和m c g r e a v y ”j ，1 9 9 8 ) 。例如，对于一个设施良好的化工厂，测量变量可能有 几百或上千个，包括各种二进制设备信号和报警信息及流量、压力、温度等模拟信号。 而操作工同时只能处理几个变量( 一般是7 个) 。y a m a n a k a 和n i s h i y a ( 1 9 9 7 ) 指出操 作者大约7 5 的时间花在信号趋势的监控上【”1 。另一方面，随着上个世纪9 0 年代工业 计算机技术和数据库技术的发展，廉价的计算资源和可靠的存贮技术为工业数据的分析 提供了物质基础。在理论方面，有关数据挖掘的理论和算法也有大量的报道。同时对工 业界而言，随着市场竞争的加剧和环保要求的严格，工业界已越来越意识到如能将现有 的数据变为有用的信息，使之服务于生产安全和产品质量控制，可以降低成本，提高企 业的竞争力。据统计，仅在美国石化行业每年因异常事故造成的损失就高达2 0 0 亿美元 ( n i m m o 1 9 】，1 9 9 5 ) 。因此，流程工业的过程监控研究已成为当前过程控制领域研究热点 之一。美国、西欧等发达国家近年来已投入大量的人力和物力，加强对该领域的资助， 以期望通过生产数据分析来揭示、反映过程的内在变化，为提高产品质量提供有用信息， 从而把数据资源的拥有优势转化为生产效益和产品质量优势1 2 0 1 。 从上面基于知识和基于数据驱动的方法可以看出，这两种方法都是只要求过程数据 就可以实现对过程的监测。这一特点在实际应用中有着非常重要的意义，因为在某些工 业过程中，可能唯一能利用的信息就是过程数据。此外，这两种方法还很容易结合操作 经验、工艺知识。历史故障记录等信息，而且这些信息的正确利用往往会起到事半功倍 的效果。上述特点都是基于数学模型方法所不具备的。但基于数据的方法没有利用过程 机理模型的信息和知识，其监测和诊断性能有限。因此，目前，有一种趋势是把基于数 据驱动的方法和基于知识的方法结合起来，相互补充。 比较三种方法，无论是从目前的理论水平来看，还是从解决问题的角度来看，采用 基于数据驱动的方法更适用，也更具有实际意义。 基于数据驱动的过程监控研究不需要过程的精确解析模型，所获得的理论成果和方 法能够较快地应用于实际工业生产中。但在分析工业过程数据时，必须充分考虑其特点。 m a c g r e g o r ( 1 9 9 7 ) 指出在分析工业过程数据时需要考虑如下几个问题1 2 【j ： 1 数据质量( d a t a q u a l i t y ) 。工业过程中的测量变量往往会受到各种噪声源的影响。 但若传感器发生故障或通讯网络发生问题，导致数据不可靠。噪声和丢失数据的影响使 得从数据中提取和解释信息变得更为困难。 浙江大学博士学位论文5 2 数据大小( d a m s i z e ) 。由于计算机技术的应用，数据的维数很大。但实际生产 过程只对少数j l 个关键变量进行监控，所以，其它数据所包含的信息都丢失了。 3 数据的共线性。过程包含大量变量并不一定意味着过程本质上是高维的。事实上， 大多数工业过程可以用更少的维数来描述，这是因为过程往往是由几个主要的机理( 如 质量平衡、能量平衡、动量平衡、反应动力学等) 所驱动，变量之间往往存在相关性。 这使得传统的统计方法难以奏效，因为它们往往假定变量之间都是相互独立。 除了上述问题外，在建立工业过程监控算法时，还需克服如下的困难： 数据的时变性。由于原料性质、市场需求等外部条件的变化，工业生产过程往往在 多个稳态操作点进行生产，并具有多个不同的生产负荷。这些外部条件引起的数据变化 应该认为是正常的，监控系统应有能力区别外部条件与内部状态的变化。 数据的多尺度性。b a k s h i ( 1 9 9 8 ) 2 2 】指出过程扰动实际上是发生在不同的时间尺度 上。某些扰动对过程的影响可能是短时的，而有些扰动对过程的影响可能很长很慢。而 有关扰动时间尺度的信息有助于扰动的识别，并做出正确的校正措施。 数据的非线性。工业过程往往展现出非线性行为，变量之间的关系用线性函数去近 似有时不能得到很好的结果。在这种情况下，监控系统需要考虑过程的非线性特性。 数据的动态特征。大多数动态过程的测量数据都是自相关的，也就是说，当前时刻 的测量与先前时刻的测量并不是独立的，实际上它们构成时间序列。n e g i z 和c i n a r ( 1 9 9 7 ) 吲指出数据的动态特征对于统计量的统计特性有很大影响。 综上所述，开展基于数据驱动的工业过程性能监控的研究，是一个既有理论意义， 又有很高应用价值的研究课题。 1 3 统计过程监控的研究现状 1 3 1 单变量过程统计方法 统计过程监控是应用统计学原理监控过程运行状态，判断过程是否处于“在控状态” ( i n c o 腑0 1 1 或失控状态”( o u t o f c o n t r 0 1 ) ，从中发现过程中可改善的因素，并加以改 进。从而减少系统偏差，降低生产成本，最终达到提高产品质量，增进生产率的目的。 统计过程监控( s p c ，s t a t i s t i c p r o c e s sc o n t r 0 1 ) 的基本思想，最早是由s h e w h a r t 于 1 9 3 1 年提出的。其理论基础是中心极限定理和3 仃原理。根据中心极限定理可知，对于 第一章流程工业统计过程监控的研究概况 独立同分布随机变量序列暇 ，月= k 2 ，当- y c os , 1 ，序列 的样本均值i 。近似服 从正态分布，即l i r a x 。n ( u ，仃2 ) 。而由3 0 原理可得： p p 一3 a x 。( + 3 a ) = 9 9 7 3 表明大多数的观测值是落在3 盯范围内的，如果观测值超出了此范围，表明有异常 情况发生，过程处在“失控状态”。 s p c 的思想提出之后，在一大批学者和工程技术人员的推动下，它首先在离散制造 工业获得了广泛的成功应用。在上世纪五十年代，s p c 的思想又得到进一步的发展，但 是直到七十年代s p c 才在过程工业中成为一种质量控制的标准工具。尽管s p c 是一门较 成熟的工业技术，但是长期以来工业界和学术界并未停止对它的研究。实际上，在近十 几年来又取得了很多新的进展，除了早期s h e w h a r t ( 1 9 3 1 ) 提出的x 控制图( 又称s h e w h a r t 控制图) ，还包括c u s u m ( c u m u l a f i v es u m ) 控制图和e w m a ( e x p o n e n t i a l l yw e i g h t - - c d m o v i n ga v e r a g e ) 控制图。 s h e w h a r t 控制图 该图是最常用的控制图。它通过判断样本点子组爿t ( 每个采样点是由m 次采样构 成的) 的均值是否超出给定的上下限( 3 d ) 来监控过程的状态。 。砉 ( 1 1 ) 式中，n 为样本子组数。 上限控制值：u c l = + k a( 1 2 ) 下限控制值：l c l = + k a 其中，盯= 为标准羞，女通常取为3 。 ( 1 3 ) s h e w h a r t 控制图只利用当前时刻的观察值判断过程是否在控，对之前采样数据包含 的信息未加以利用，因此该方法对过程中持续的小偏差不敏感。 萃 浙江大学博士学位论文 c u s u m 控制图 c u s u m 控制图是累计和值控制图，具体定义形式 s 。= ( x 一戍) 其中，叉，为每一次采样小组内的均值；应。为控制量的估计均值； ( 1 4 ) s 。自身也是随机变量，可以对s 。进行监控，如果是在平稳状态( 在控状态) 则数值在应。处上下波动，否则会越过给定的上下限。 c u s u m 控制图因为具有累计作用，对均值上的微小变化，较敏感，可以弥补 s h e w h a r t 控制图的缺点，但c u s u m 控制图的计算比较复杂。 e w m a 控制图 e w m a 控制图为指数滑动加权平均控制图，滑动加权随指数规律下降，权值旯的 选取凭经验选取。具体表达式为： e w m a 。= y 。+ ( 1 2 ) e w m a t t = 1 , 2 ，n ( 1 - 5 ) 其中，y 表示当前时刻的组，z ( o 丑1 ) 为权值， 取得大，则衰减的快，如 果a 取为1 ，则方程变s h e w h a r t 控制图；如果a 取得很小，趋近于0 时，则方程变为 c u s u m 控制图。通常a 取为0 2 , - 0 3 。 e w m a 的统计方差为： s ：一= 刍s 2 ( 1 - 6 ) 其中，s