（系统工程专业论文）基于数据驱动技术的过程监控与优化方法研究.pdf

浙江大学博士学位论文 摘要 摘要 随着计算机技术和信息化水平的不断提高，工业企业可以轻易获得大量数 据，从不同数据中获取信息加以利用，成就了数据驱动的概念。尽管以多变量统 计技术为主体的数据驱动技术通常是建立在一些特定的假设与条件之上，并且存 在很多目前尚难以解决的算法与理论上的问题，但多变量统计技术的应用仍然是 工厂应用中一个很重要的部分，尤其在计算机技术快速发展的今天，改进技术， 运用多种技术实现更多的功能，使得基于数据驱动技术的监测、控制和优化作为 工厂应用研究的一个重要方面成为控制学科广泛研究的对象。目前，基于数据驱 动的方法和技术在工厂过程各个主要层面的应用都有相关的研究与讨论，如果将 各个层面的应用通过数据这个共同的基础联系起来，从底层的回路控制与监测到 上层的优化及工艺过程的监控与诊断，便可以通过数据流的连接，在逻辑上形成 一个统一的体系，完成数据驱动技术在工厂应用宏观上的统一框架。本文在基于 数据驱动技术的工厂控制系统概念及发展状况的同时，对主要的数据驱动技术即 多变量统计方法在各个具体应用层面进行了一些分析与研究，提出了一些新的思 路，进行了一些具体的仿真与应用。虽然本文无法巨细无遗地对所有问题进行研 究，但也希望借助对一些具体层面的探讨抛砖引玉，供作研究的引子与补充。 数据驱动技术在工厂过程的应用主要可以分为三大层次：局部回路、局部过 程( 或批次) 、全局过程，针对主要的多变量统计技术在各层次的应用，论文将 就一些具体的问题进行研究，主要工作和创新性成果如下： 1 ) 介绍基于数据驱动技术的工厂过程控制体系及体系图，并对整体及各个层 面进行综述。主要阐述多变量统计技术在建模、多变量统计过程监控与诊 断、操作优化及质量优化、控制器设计及控制系统运行和性能的评价、监 控与诊断中，从算法到实际应用中需要考虑的各个方面。 2 ) 针对主元分析( p r i n c i p a lc o m p o n e n ta n a l y s is ，p c a ) 监控无法处理非 正态分布采样数据的缺陷，将p c a 与核密度估计( k e r n e ld e n sit y e s t i m a t i o n ，k d e ) 结合及独立元分析( i n d e p e n d e n tc o m p o n e n ta n a l y s is ， i c a ) 与k d e 结合，并在一个具体的聚丙烯生产过程应用上对p c a 、i c a 、 k p c a 、k i c a 进行了比较研究和分析。 i i i 浙江人学博上学位论文 摘要 3 ) 针对传统p c a 模型线性稳态的局限性，提出一种动态递推p c a ( d y n a m i c r e c u r si r ep c a ，d r p c a ) 方法，以便对具有动态实时性的系统进行在线监 控。结合不同的多变量统计控制图，对两个控制系统( 化工蒸馏器、重油 分馏塔) 及一个三相绕组异步电动机进行了仿真研究，仿真结果证明了方 法的有效性。 4 ) 石油化工生产的牌号切换过渡过程是运行中最关键、操作难度最大的，具 有非常复杂的化学、物理特征和非常敏感的状态突变性其操作成败直接 影响到运行的连续性甚至人身、设备的安全。为了提高牌号切换过程运行 的平稳性和切换成功率，减少安全隐患，对多向主元分析( d y n a m i c m u l t i w a yp c a ，d m p c a ) 及多向偏最小二乘( d y n a m i cm u l t i w a yp l s ，d m p l s ) 进行动态化并对牌号切换过程运行进行监控与诊断，并利用d m p l s 对目标 性能的预测目标性能指标进行监控。将该方法应用于某石化公司的聚丙烯 装置，结果显示该方法可以有效地监控切换状态和产品质量，并对较差的 切换过程进行诊断。 5 ) 利用p l s 隐变量空间主元独立、多变量自动解耦的特点，可以实现通过隐 变量自动配对进行控制器设计的方法，但当p l s 隐变量之间不能完全消除 相关性时，各个回路的p i d 控制器将不能独立整定，针对这个问题，实行 基于动态p l s 框架的优化控制，该方法在三进三出化工蒸馏器和重油分馏 塔分别进行了仿真研究，结果证明了方法的有效性。 6 ) 在牌号切换的操作轨迹优化中引入经验摸型，改变以机理模型为主的情 况，用以p l s 模型直接替代机理模型作为约束及利用p l s 逆模型构造 优化命题这两种方式将多变量统计回归技术应用于操作优化，在一定程度 上简化了建模过程，p l s 逆模型也使得优化形式更为简洁。 最后，对全文作出总结，归纳了研究和分析的内容及结果，并结合各个方面 存在的问题，指出了今后值得关注和进一步深入研究的方向。 i v 浙江大学博士学位论文 a b s t r a c t a b st r a g t t h ec o n c e p to f “d a t a d r i v e i l ”i so f t e nu s e di nc o m p u t e rs c i e n c e b u t b e c a u s eo ft h ee x c e e d i n gp r o g r e s so fc o m p u t e rt e c h n i q u e s ，m a s si v ep r o c e s s d a t ac a nb eo b t a i n e db yt h ei n t e l l i g e n t i z e di n d u s t r y ，s o “d a t a d r i v e n ” h a sb e e ng e t t i n gm o r ea n dm o r ea t t e n t i o ni ne n g i n e e r i n gs c i e n c e r a p i d i m p r o v e m e n to fc a p a cit ya n ds p e e do fd a t a b a s ea n dm a s si v ed a t ao b t ai n e d b yd a t a b a s em a k ei ta b s t r a c t i v eh o wt ou s et h e mm o r ee f f e c ti v e l ya n dt o f u l f i11m o r ef u n c ti o n s ，b u tn o tj u sts h o wt h e mo np a n e lsa n ds c r e e n s d a t a m e a n si n f o r m a t i o n ，a n di n f o r m a t i o nr e p r e s e n t so b j e c t ，s ot h es o c a ll e d “d a t a d r i y e n ” isd r a w i n gi n f o r m t i o nf r o md a t a a n du s ei n f o r m t i o nt o r e a i i z ed i f f e r e n to b j e c t s t od r a wi n f o r m t i o nf r o md a t a s t a t i s t i c a l t e c h n i q u e sa r et h ec h i e fm e t h o d s ，a n da p p l i c a t i o nb a s e do nm u l t i v a r i a t e s t a t is t i c a lt e c h n i q u e sb e c o m et h em a i np a r to fd a t a d r i v e na r e a a t p r e s e n t ，t h e r eh a v eb e e nm a n yp a p e r s a b o u td i f f e r e n ta p p li c a ti o nt o d i f f e r e n tl e v e lo fi n d u s t r yb a s e do nd a t a d r i v e na l g o t i t h ma n dt e c h n i q u e s i f1i n k t h ed i f f e r e n tl e v e la p p li c a ti o no nc o n j u n c td a t a ，t h ew h o l e i n d u s t r yp r o c e s sc o u l db ec o v e r e db yc o n t r 0 1s y s t e mb a s e do nd a t a d r i v e n ， t h a ti s ，d a t a d r i v e nf a c t o r y t h e nf r o mt h eb o t t o ml o o pc o n t r o lt ou p p e r o p t i m i z a t i o nt os y s t e mm o n i t o r i n ga n dd i a g n o s is a 1 1l e v e l sc a nb e c o n n e c t e db yd a t as t r e a mf o r m i n gau n i f l e dl o g i c a ls y st e m t h isu n i f l e d s y s t e mc a nm a k ef u l1u s eo fd a t ai n “m i c r o ” a n d“m a c r o ”l e v e l s i n t h is p a p e r ，d at a d ri y e ni n d u st r yp r o c e ssc o n t r o ls y st e mw a sb r o u g h t f o r w a r da n dit s c o n c e p t a n dd e v e l o p m e n tw a sd i s c u s s e da sw e l1a s a p p ii c a ti o n st oc o n c r e t el e v e l sw e r es t u d i e d a tt h es a m eti m e ，s e v e r a l n e wi d e aa n dm e t h o d sw e r ep u tf o r w a r da n dv a l i d a t e do ns i m u l a t i o n s t h o u g h n o ta 1 1p r o b l e mc o h l db ed i s c u s s e dd e t a i l e d l yh e r e ，t h e r eisaw i s ht h a t t h isw o r kc o u l db eac o m p l e m e n to fs t u d yf i e l da n dc o u l do f f e raf e w c o m m o n p l a c er e m a r k sb yw a yo fi n t r o d u c ti o ns ot h a to t h e r sm a yc o m eu pw it h v 浙江大学博上学位论文a b s t r a c t v a l u a b l eo p i n i o n s d a t a d r i v e ni n d u s t r yp r o c e s sc o n t r o ls y s t e r nc a nb es e p a r a t e da st h r e e l e v e ls ：l o c a ll o o p ，l o c a lp r o c e s s ( o rb a t c h e s ) a n dg l o b a lp r o c e s s t h e m ai ni n n o v a ti o n a1w o r ko ft h isp a p e ra r ea sf 0 1l o w i n g ： v i 1 ) i n t r o d u c et h ed a t a d r i v e ni n d u s t r yp r o c e s sc o n t r o ls y s t e ma n dt h e s y s t e r nd r a w l n g g i v es u m m a r i z a t i o no ft h es t u d yo ft h ew h o l es y s t e m a n de v e r y l e v e l m a i n l ye x p a t i a t e o n m o d e l i n g ，m u l t i v a t i a t e s t a t i s t i c a lp r o c e ssm o n i t o t i n ga n dd i a g n o s i s ( t h a ti s ，m u l t i v a r i a t e s t a t is t i c a lp r o c e s sc o n t r o l ，m s p c ) ，o p e r a t i o n a lo p t i m i z a t i o na n d q u a l i t yo p t i m i z a t i o n ， c o n t r o l l e t d e s i g na sw e l l a sc o n t r o l p e r f o r m a n c em o n i t o r i n ga n dd i a g n o s i s ，b a s e do nm u l t i v a r i a t e s t a t is t i c a it e c h n i q u e s t h ee x p a t i a t i o nisa b o u ta 1 1 a s p e c ts i n c l u d i n gt h e o r i e s ，a l g o r it h ma n da p p li c a ti o n 2 ) c o n v e n ti o n a lp r i n c i p a lc o m p o n e n ta n a l y s isi sb a s e do nt h e a s s u m p t i o nt h a td a t ao b e y sn o r m a ls c h 0 0 1 i fd a t ad o e sn o ts a t is f y t h ea s s u m p t i o n ，p c al o s e si tse f f e c t ，b u ti 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 ( i c h ) c a nb em o r ee f f i c i e n t o nt h eo t h e rh a n d ，i fd a t a isn o tn o r m a ls c h o o l ，t h ew a yc a i c u l a t i n gc o n t r o l1 i m i t sw i l lc h a n g e ， a n dn o n p a r a m e t e rm e t h o dk e r n e ld e n s i t ye s t i m a t i o n ( k d e ) w i l lb e u s e di n st e a do fp a r a m e t e rm e t h o d s op c a ，i c a ，p c aw i t hk d ea n di c a w it hk d ew e r eb r o u g h tf o r w a r da n da p p li e dt oar e a lf a c t o r yp r o c e s s ， t h er e s u lt st u r n e dt ob ee f f e c ti v e 3 ) p r i n c i p a lc o m p o n e n tm o d e lis1 i n e a rs t a t i cm o d e l ，a n dc a nn o td e a l w i t hd y n a m i co rt i m e v a r i a n ts y s t e m t oo v e r c o m et h is p r o b l e m d y n a m i cr e c u r s i v ea l g o r i t h mw a sb r o u g h tf o r w a r d ，a n da p p li c a t i o n t ot w ot y p i c a lc h e m i c a l p r o c e s s e s a n da 3 - p h a s es y m m e t ri c a l i n d u c ti o nm o t o r ss h o w se f f e c to ft h em e t h o d 4 ) c o n s e c u ti v ep r o c e ssa n db a t c hp r o c e s sm o n it o r i n ga n dd i a g n o sish a v e b e e ns t u d i e dr e l a t i v e l yw i d e l y ，b u tt r a d et r a n s i t i o nm o n i t o r i n ga n d 浙江大学博士学位论文 a b s t r a c t d i a g n o s i sr a r e l yo c c h r o n l yi ft r a n s i t i o np r o c e s sw a si n c l u d e di n m o n it o ri n ga n dd i a g n o siss y st e m ，t h es y st e mc o u l db ec o m p l e t e b e c a u s et r a n s i t i o nd a t aw e r ei n t e r c e p t e ds e c t i o n a lf r o mp r o c e s s ， t h et r a n s i t i o np r o c e s sm o n i t o r i n ga n dd i a g n o s isc o u l db ed e a l tw i t h b yw a yo fb a t c hw it hm p c aa n dm p l s o nt h eo t h e rh a n d ，t r a n s iti o n p r o c e s s e sa r eo f t e nn o n li n e a rd y n a m i cp r o c e s s ，s om p c aa n dm p l sw e r e a l t e r e dt od y n a m i cm u l t i w a yp c a ( d m p c a ) a n dd y n a m i cm u l t i w a yp l s ( d m p l s ) d m p l sc a na 1s om o n i t o rt h eo b j e c tq u a l i t yv a f i a b l e s a t l a std m p c aa n dd m p l sw e r ea p p li e dt oap o l y p r o p y l e n es e to fa p e t r o c h e m i c a lc o m p a n y ，a n dt h er e s u l t sr e v e a l e dt h ec a p a b i1i t ya n d p o t e n ti a lo ft h em e t h o d 5 ) s o m ea d v a n t a g e so fu si n gp l sa sp a r to fc o n t r o ls y s t e r nd e si g n i n c l u d ea u t o m a t i cd e c o u p l i n ga n de f f i c i e n t1 0 0 pp a r i n g ，a sw e l la s n a t u r a lh a n d l i n go fn o n s q u a r es y s t e m sa n dp o o r l yc o n d i t i o n e d s y s t e m s b u ti ft h el a t e n tv a t i a b l ec a nn o tb ec o m p l e t ei n d e p e n d e n t ， t h ea d v a n t a g e sw i1 1 d i s a p p e a ra n dt u n i n go fc o n t r o ll e rw i11 b e d i f f i c u lt s oi nt h i sp a p e r ，am e t h o d o l o g yisp r o p o s e df o rc o n t r 0 1 b a s e do no p t i m i z a t i o ni nt h es u b s p a c ed e f i n e db yt h e1 a t e n tv a r i a b l e m o d e l ，s o m es i m u l a t i o n sw e r ea p p l l e dt ot w op r o c e s s e st ot e s t i f y t h ep e r f o r m a n c eo ft h em e t h o da n dt h er e s u lt st u r n e do u tt ob e a f f i r m a ti v e 6 ) t r a d et r a n s i t i o nist h ek e yp a r to fm o d e r nc h e m i c a li n d u s t r y ，w h i c h isv e r yi m p o r t a n tf o r t h ef a c t o r yb e n e f i t a tp r e s e n t ，t r a d e t r a n s i t i o no p t i m i z a t i o ns t i l lm a i n l yu s em e c h a n i c a lm o d e l ，o rh a l f m e c h a n i c a la n dh a l fe x p e r i e n t i a lm o d e l ，b u tr a r e l yu s ee x p e r i e n t i a l m o d e l w h i l ep a r t i a i1 e a s ts q u a r em o d e l ( p l s ) ise x p e r l e n t i a lm o d e l w h i c hc a nm a k ef u l1u s eo fam a s so fd a t a ，a n dt r a d et r a n siti o n o p e r a ti o nt r a j e c t o r yo p ti m i z a ti o nu si n gp l sm o d e l ，b o t hp l sa n d m e c h a n i c a lm o d e l ，a n dp l sr e v e r s el a t e n ts p a c ew e r ep r e s e n t e dw h i c h v i i 浙江人学博士学位论文a b s t r a c t c o u l dsi m p li f yt h em o d e li n gst e pa n do p ti m i z a ti o n f i n a l1 y ，t h ep a p e rc o l i c l u d e dt h er e s e a r c hf i n d i n g s ，a n dp o i n t e do u ts o m ef u t u r e r e s e a r c ha r e a s v i i i 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得逝姿态堂或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签名： 铱、砀 签字日期： 力沙夕汐年乡月乃日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘鲎有权保留并向国家有关部门或机 构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝垄盘堂 可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 厶 缝、丽 签字日期：谚锣年歹月矽日 聊躲爿谆 磐醐：例7 川。日 浙江人学博士学位论文 致谢 致谢 值此论文付梓，回顾着三年来的攻博时期，有很多东西想要表达，这三年， 是我真正成长的三年，不论是在研究上还是人生上都经历了跨越，是我一生最难 忘的时期，而没有众多给我指导、帮助、关心和鼓励的老师、同学、朋友和亲人 们，这段期间将毫无价值，因此谨向这些对我有重要意义的人表示衷心的感谢。 首先我要衷心感谢我的两位导师钱积新教授和梁军教授。钱老师学养深厚， 务实严谨，和蔼可亲，令人崇敬，每次建议都给予我新的启发与反思，让我对所 研究的内容有更进一步深刻的了解，使我受益良多，在为学为人上也给了我很大 影响。梁老师在繁忙的科研和工作中，不仅在科研和论文写作过程中给予我精心 的指点和循循善诱的启发，而且在生活和工作上也给予了无私的帮助和鼓励，正 是这些宽宏的帮助和鼓励使我拥有自信和坚持，克服各个阶段的困难，顺利地完 成学业，这是我一直铭记于心感恩不尽的。 感谢浙江大学系统工程研究所的王慧老师、邵之江老师和其他各位老师以及 邓赤女士的帮助和支持；感谢研究所为我提供了舒适的学 - j 条件和良好的研究氛 围。 感谢师兄刘育明博士后在学 - - j 、研究和生活各个方面都给予的很大的帮助， 这些都让人体会到师兄对后学的关心和支持，不胜感激；感谢费正顺、叶鲁彬、 栾振华、胡斌及已毕业的高枫和沈倩等师弟妹的关心与支持，一起生活和学 - j 的 时光里，他们给予我的真诚鼓励和无私帮助是难以忘怀的。 感谢我没有在此一一列举的朋友们，以及以上没有提及的给予过我真诚关心 与帮助的所有老师、同学们，这些都是我要珍惜与感恩的。 感谢我的父母和弟弟、弟妹，你们的支持和爱是我不断向前的动力与勇气， 你们是我人生最宝贵的财富。 感恩一切! 熊丽 浙江大学博七学位论文第一章基于数据驱动技术的工厂过程豁控与控制 第一章基于数据驱动技术的工厂过程监控与控制 摘要：数据驱动技术( d a t a - d r i v e nt e c h n o l o g y ) 主要以多变量统计分析理论为基础，主要 的应用包括建模、多变量统计故障监测与诊断( m u l t i v a r l a t es t a t i s ti c a lp r o c e s s c o n t r o l ，m s p c ) 、控制器设计、操作与质量优化及控制系统性能监控与诊断等方面。以实 际生产企业为应用背景，对以上生产过程的不同层次和不同功能层面，形成了数据驱动技术 在生产过程监控与控制上的统一框架。同时，多变量统计算法本身所延伸的问题，诸如数据 预处理、去噪、鲁棒性、数据缺失( m is si n gd a t a ) 和数据对齐( a ii g n m e n t ) 等，亦形成 相关的研究分支。本章基于若干目前应用较为广泛的多变量统计技术，对生产过程监控与控 制统一框架下的一些相关问题和研究方向进行了分析和评述。 关键词：数据驱动，多变量统计技术，监控，控制，优化 1 1 引言 数据驱动本身是计算机技术名词，即依靠大量数据的分析处理来支持决策， 在系统实现中，强调以时间序列访问和操纵系统的内部或外部数据，对大规模历 史数据建立数据仓库而实现各种功能。数据驱动最主要最广泛的表达方式是统计 方法，几乎所有统计方法都可以用于“数据驱动”的描述。统计理论和算法诞生 得很早，在科学、经济、社会等方面也一直发挥着重要作用，但是直到信息时代， 由于计算机和网络技术的快速进步，获取大量数据已非难事，统计方法才在工厂 过程的应用中得到真正意义上地实现和发展，从上世纪八十年代后期开始到现 在，不到二十年间，其方法、内容、范围都得到了极大的创新和拓展，正因为如 此，数据驱动技术应用统一框架的概念也才能随之而生。 最早将统计方法应用于工厂过程的是w is eb m 和他的同伴( w i s e ，v e l t k a m p e ta 1 1 9 8 8 ) ，这也是第一次将主元分析( p r i n c i p a lc o m p o n e n ta n a l y s is ，p c a ) 和过程监控( p r o c e s sm o n i t o r i n g ) 联系起来，从此主元分析成为过程监控的基 本方法之一，多变量统计方法也开始在过程监控的应用上翻开了篇章，而在此之 前多变量统计方法只用于分析数据及分类与模式识别领域。在w is e 等人的工作 之后，多变量统计过程故障监控和诊断研究蔓生出许多分枝并相互交错( q i n 20 0 3 ) ，在利用主元分析的特点及突破局限性上，研究者们在后续的研究中不断 浙江大学博_ ：学位论文第一章基于数据驱动技术的- t 厂过程监控与控制 提出了新的或改进的方法，这将在后面的章节中给予更详细地描述。 1 9 6 6 年，h e r m a nw o l d 首次提出偏最小二乘法( p a r t i a ll e a s ts q u a r e ，p l s ) ， 稍后被称之为非线性迭代偏最小二乘法( n o n l i n e a ri t e r a t i v ep a r t i a ll e a s t s q u a r e s ，n i p a l s ) ，并将其运用于多变量系统建模以及分类和模式识别( w 0 1 d 1 9 6 6 ；w o l d1 9 7 5 ；w o l d ，h l b a n oe ta 1 1 9 8 3 ；w o l d2 0 0 1 ) 。1 9 8 3 年，w o l d 的 儿子s v a n t ew o l d 和h a r a i dm a r t e n s 为了强调回归问题对原有的n i p a l s 算法做了 调整，使得n i p a l s 算法最终被确定下来并延用至今。之后，p l s 应用拓展至化工 领域( w o l d1 9 8 4 ；g e l a d ia n dk o w a l s k i1 9 8 6 ；童恒庆2 0 0 5 ) ，包括对化工过程 数据进行j 一，( 输入一输出) 预测、多变量组态和数据结构一行为关系 ( q u a n tit a ti v es t r u c t u r e a c ti v it yr e l a ti o n s h i p ，q s a r ) 描述，随后p l s 的 提取特征降维及回归特性在软测量上得到大量应用并发展至监测诊断、数据解 释、参数预估等领域。由于p l s 不同于单方面进行主元分析的p c a 算法，也不同于 独立变量回归模型，而是构造一个隐变量空间( 1 a t e n tv a r i a b l e ss p a c e ) ，在 隐变量空间中建立自变量和因变量之间的偏回归关系。正因为这个特点，p l s 也 引起了控制器设计和操作优化研究领域的注意。由于p c a 和p l s 已经成为多变量统 计方法中最基本最主要及应用最多的两个算法，本章中将以此为基础，介绍多变 量统计方法在算法和应用上的研究现状和发展。 数据是多变量统计技术的基础，但通常系统分析不能就每一个数据进行分 析，否则计算量和复杂度会呈爆炸式增长，因此多变量统计方法在工厂过程应用 时的基本思路和形式是依据原始数据抽取表征过程的特征信息，使过程得到降维 或其他简约处理，最普遍的方法就是构造较小的隐变量空间，以隐变量空间作为 原始变量空间的代表，然后利用隐变量空间来实现各种功能，构造隐变量空间的 目的不同，算法也可以不同。虽然统计技术在应用时的条件性限制较强，但其应 用空间涉及了很多方面，且很多方面的分析与应用仍然较弱。目前为止多变量统 计方法的应用大致可以分为五类：( 1 ) 模型辨识与软测量( m o d e ii d e n ti f i c a ti o n a n ds o f tm e a s u r e m e n t ) ；( 2 ) 过程监控与诊断( p r o c e s sm o n i t o r i n ga n d d i a g n o s is ) ；( 3 ) 操作优化( o p e r a t i n gc o n d i t i o n so p t i m i z ex ( 4 ) 控制器设 计( c o n t r o l1 e rd e s ig n ) ；( 5 ) 控制性能评价( m u lti v a ti a b l ec o n t r o l p e r f o r m a n c ea s s e s s m e n ta n dd i a g n o s i s ) ，同时每个方面往往又涉及很多不同 2 浙江大学博二l 学位论文第一章基于数据驱动技术的- 丁厂过程监控与控制 的研究分支。文献( k a n oa n dn a k a g a w a2 0 0 6 ) 给出了一个基于数据的工厂架构， 并命名为多层质量操控系统( h i e r a r c h i c a lq u alit yi m p r o v e m e n ts y s t e m ， h i q i s ) ，多变量统计技术几乎应用到了其中的每个环节。h i q i s 将多变量统计技 术从起初的监控分析扩展至整个工厂过程，由此建立起基于统计技术的应用统一 体系，表征了多变量统计技术本身的力量。k a n o 等所提出的这个架构将从八十 年代末到现在所有多变量统计的应用以工厂为基础纳入了一个统一的框架，这是 十分具有启发性的。在这个框架之下，不仅以往的工作得到总结，同时也显示出 了很多新的问题和新的研究方向。 在k a n o 等提出的框架中，数据驱动质量操控( d a t a - d r i v e nq u a lit y i m p r o v e m e n t ，d d q i ) 处于h i q i s 的最上层，同时与下层如m s p c ，装置间控制( r t r c o n t r 0 1 ) ，局部控制( 1 0 c a lc o n t r 0 1 ) 等进行数据信息交换，将多变量统计技 术在过程各个方面的应用通过数据流联系起来，完成了统一。根据k a n o 等提出 的h i q i s 系统框架图，本文作者做了一些修改，得到以下的数据驱动技术过程应 用系统( d a t a - d r i y e np r o c e s ss y s t e m ) 框架： o f f - l i n e ； | d d q i m o d 。1 e o n t r o is t r u q + t w e e nb a t c h ；一r t rc o n t r o i ；l s e tp o i n t 1 嘶i nb a t c hl o c a lc o n t r o i ( e x p i d ) o u t p u tli i n p u t ， m s p c kp r o c e s s 图1 1k a n o 的h i q i s 体系( 左) 与数据驱动技术过程应用系统框架( 右) 图1 1 右边为改进图，将k a n o 框架中数据驱动质量控制与m s p c 合一作为全局过 程( g l o b a lp r o c e ss ) ，与局部回路( 1 0 c a ll o o p ) 、装置或过程间( b e t w e e nb a t c h a n dd e v i c e ) 一起构成三个主体层次，增加m o d e l i n g 作为共同的功能基础，补 充了操作优化与控制性能评价环节，并在批间与局部层次中增加了一个方向的数 据联系，对名称做了一些调整，简明了数据和信息的流程，功能划分更为具体。 此数据驱动技术过程应用系统框架涵盖了目前为止数据驱动技术( 或者更具体的 3 浙江大学博士学位论文第一章基于数据驱动技术的工厂过程监控与控制 说多变量统计技术) 在应用上的分类与统一、区别与联系、独立与交换。本文也 将在这样的统一架构下，对于多变量统计技术和数据驱动技术过程应用系统进行 综述与讨论。本章主要结构为：第1 2 节介绍主要算法p c a 和p l s 以及方法本身 涉及的理论问题；第1 3 节讨论目前多变量统计技术在模型辨识与软测量、过程 监控与诊断、操作优化及r t r 控制、控制器设计、控制性能评价等方面的主要研 究进展；最后是小结和本论文的内容介绍与结构。 1 2 多变量统计算法与理论问题 1 2 1 p c a 主元分析也称因子分析法，最早由美国心理学家c h a r i e ss p e a r m a n 于1 9 0 4 年提出，19 3 3 年又经h o t e l1i n g 加以发展，尤其适用于特征提取与降维。其算 法对象是由样本变量和样本点构成的数据矩阵，目标是在力保数据信息丢失最少 的条件下对高维变量空间进行降维处理。假设标准化处理( 即均值零化和方差归 一化) 后的数据矩阵j ( 历g 力，岔代表测量采样次数，代表测量变量个数，主 元分析方法的数据压缩过程实质上是数据矩阵j 协方差矩阵的谱分解过程。 c o y ( x ) ：x r - x ( 1 1 ) m l c o v ( x ) p , = 2 i p , ( 1 2 ) 其中c o y ( x ) 是j 的协方差矩阵，a 是协方差矩阵的特征向量，磊是按降序 排列的特征值。主元空间的信息抽取实质上是选择几个有代表性的主元，解释数 据中大部分的变化，数学表达式如下： x = t i p l + t z p 2 + + 气以+ e k m i n m ，1 ) ( 1 3 ) 其中六是主元，也称得分向量( s c o r ev e c t o r ) ，提取采样数据闻的关联信息； a 是主元特征向量，也称载荷向量( 1 0 a d i n gv e c t o r ) ，提取变量间的关联信息； e 是残差矩阵，提取随机噪声和模型误差信息。各个得分向量之间是正交的，即 对任何，和工当f 时满足f ，r t j = 0 。各个载荷向量2 _ n 也是互相正交的，同 时每个载荷向量的长度都是1 ，即： 4 浙江人学博士学位论文第一章基于数据驱动技术的工厂过程监控与拧制 p i tpt = 0 i 季1 p i r p j = 1 i = 将式( 1 3 ) 两边同时右乘p i ，可得到下式： t f = x p ， ( 1 4 ) 向量的长度反映了数据矩阵j 在a 方向上的覆盖程度。它的长度越大，j 在b 方向覆盖程度或者变化范围也就越大。若得分向量按其长度排列： 川l t 2 i 忽略较小的得分变量，即忽略误差信息，数据j 可以近似地表示为： x p 1 + f 2 p 2 + + 气见 ( 1 5 ) 主元分析的过程实质是对原坐标系进行平移和旋转变换，使得新坐标的原点 与数据群点的重心重合，对原变量信息进行线性改组，压缩原有数据矩阵的规模， 反映过程的主要特征且具有一定的实际含义。 实际上主元分析本身往往并不是目的，而是达到目的的一种手段。因为p c a 算法简单，解释性好，它多用在算法或研究项目的某个中间环节。例如，把它用 在多重回归中，便产生了主元回归( p r i n c i p a lc o m p o n e n tr e g r e ssi o n ，p c r ) ( l ia n d l i2 0 0 1 - 2 0 0 2 ) ，用于偏最小二乘算法中，就形成了n i p a l s 方式的p l s 。由主元 分析发展的适合不同情况的方法还有将主元分析与人工智能方法( 如神经网络) 相结合，以消除模型输入变量之间存在的线性相关等冗余性；用于处理批量过程 多维数据矩阵时的多向主元分析( m u l ti - w a yp c a ) ；自适应p c a 建模及动态主元