1、3基于數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)監(jiān)測與故障診斷3基于數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)監(jiān)測與故障診斷3基于數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)監(jiān)測與故障診斷背景介紹與系統(tǒng)構(gòu)成23基于數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)監(jiān)測與故障診斷3基于數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)監(jiān)測與故障背景介紹與系統(tǒng)構(gòu)成2背景介紹與系統(tǒng)構(gòu)成2系統(tǒng)監(jiān)控的意義 現(xiàn)代化工業(yè)正朝著大規(guī)模、復(fù)雜化的方向發(fā)展，通常包含高溫、高壓、易燃、易爆的生產(chǎn)過程，系統(tǒng)一旦發(fā)生事故就會造成人員和財(cái)產(chǎn)的巨大損失。系統(tǒng)監(jiān)控有2層含義：以保證主要設(shè)備乃至生產(chǎn)全過程的安全為目標(biāo)：避免生產(chǎn)事故、減少財(cái)產(chǎn)損失；為保證產(chǎn)品質(zhì)量為目標(biāo)：減少產(chǎn)品質(zhì)量波動(dòng)、實(shí)現(xiàn)優(yōu)質(zhì)高效。10/5/20223系統(tǒng)監(jiān)控的意義 現(xiàn)代化工業(yè)正朝著大規(guī)模、復(fù)雜化的方向發(fā)展，通復(fù)雜工業(yè)系統(tǒng)能

2、 源原 料公用工程生產(chǎn)過程（離散、連續(xù)或間歇）付產(chǎn)品產(chǎn)品廢物（氣、液、固）市場自動(dòng)化設(shè)備（儀表、PLC、DCS、FCS等）10/5/20224復(fù)雜工業(yè)系統(tǒng)能 源原 料公用工程生產(chǎn)過企業(yè)信息化系統(tǒng)結(jié)構(gòu)決策層管理層調(diào)度層經(jīng)營決策系統(tǒng)產(chǎn)品策略管理信息系統(tǒng)生產(chǎn)計(jì)劃生產(chǎn)調(diào)度系統(tǒng)調(diào)度指令過程監(jiān)控系統(tǒng)系統(tǒng)優(yōu)化計(jì)算機(jī)控制系統(tǒng)控制信息生產(chǎn)過程監(jiān)控層控制層關(guān)系數(shù)據(jù)庫實(shí)時(shí)數(shù)據(jù)庫10/5/20225企業(yè)信息化系統(tǒng)結(jié)構(gòu)決策層管理層調(diào)度層經(jīng)營決策系統(tǒng)產(chǎn)品策略管理ERPEnterprise Resource PlanningPCSProcess Control SystemMESManufacturing Executio

3、n System企業(yè)資源計(jì)劃過程控制系統(tǒng)制造執(zhí)行系統(tǒng)企業(yè)信息化系統(tǒng)三層結(jié)構(gòu)10/5/20226ERPPCSMES企業(yè)資源計(jì)劃過程控制系統(tǒng)制造執(zhí)行系統(tǒng)企業(yè)信監(jiān)控系統(tǒng)定位ERPEnterprise Resource PlanningPCSProcess Control SystemMESManufacturing Execution System企業(yè)資源計(jì)劃過程控制系統(tǒng)制造執(zhí)行系統(tǒng)系統(tǒng)監(jiān)控與故障診斷10/5/20227監(jiān)控系統(tǒng)定位ERPPCSMES企業(yè)資源計(jì)劃過程控制系統(tǒng)制造執(zhí)隨著計(jì)算機(jī)測量與控制系統(tǒng)和各種智能化儀表在工業(yè)過程中的廣泛應(yīng)用，大量的過程數(shù)據(jù)被采集并存儲下來。但是這些包含過程運(yùn)行狀態(tài)信

4、息的數(shù)據(jù)往往沒有被有效地利用，以至出現(xiàn)了所謂的“數(shù)據(jù)很多，信息很少”的現(xiàn)象。造成這一現(xiàn)象的主要原因:最初是由于工業(yè)控制計(jì)算機(jī)系統(tǒng)缺乏足夠的計(jì)算能力和統(tǒng)一的數(shù)據(jù)存儲格式；缺乏有效的分析算法和可利用的商業(yè)軟件包；如何利用這些數(shù)據(jù)的目的性不夠明確。隨著工業(yè)計(jì)算機(jī)技術(shù)、現(xiàn)場總線技術(shù)的發(fā)展，相關(guān)的數(shù)據(jù)分析理論的研究也取得到了長足的進(jìn)步。因此，工業(yè)界已意識到并且也已具備了相應(yīng)的能力，必須將海量的數(shù)據(jù)變?yōu)橛杏玫男畔?，服?wù)于生產(chǎn)安全和產(chǎn)品質(zhì)量控制，以起到降低成本、提高企業(yè)競爭力的作用。 數(shù)據(jù)處理的需求10/5/20228隨著計(jì)算機(jī)測量與控制系統(tǒng)和各種智能化儀表在工業(yè)過程中的廣泛應(yīng)通過對工業(yè)過程數(shù)據(jù)的采集、預(yù)處

5、理（濾波、校正等）和分析（特征提取、模式分類等），監(jiān)督生產(chǎn)過程的運(yùn)行狀態(tài)，檢測系統(tǒng)的故障信息、診斷故障原因，分析和預(yù)測生產(chǎn)過程的動(dòng)態(tài)趨勢，從而達(dá)到減小產(chǎn)品質(zhì)量波動(dòng)、保障系統(tǒng)可靠運(yùn)行的目標(biāo)，使生產(chǎn)系統(tǒng)始終處于最佳運(yùn)行狀態(tài)。 基于數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)監(jiān)控10/5/20229通過對工業(yè)過程數(shù)據(jù)的采集、預(yù)處理（濾波、校正等）和分析（特征監(jiān)控系統(tǒng)組成結(jié)構(gòu)10/5/202210監(jiān)控系統(tǒng)組成結(jié)構(gòu)10/2/202210監(jiān)控與故障診斷系統(tǒng)顯示報(bào)警記錄控制集成監(jiān)控系統(tǒng)監(jiān)控診斷數(shù)據(jù)庫、知識庫維護(hù)數(shù)據(jù)預(yù)處理數(shù)據(jù)采集傳感器自學(xué)習(xí)特征提取算法庫知識庫數(shù)據(jù)庫10/5/202211監(jiān)控與故障診斷系統(tǒng)顯示報(bào)警記錄控制集成監(jiān)控系統(tǒng)監(jiān)控

6、診斷數(shù)據(jù)庫時(shí)域特征特征提取頻域特征時(shí)頻域特征其它模型形式時(shí)間序列圖統(tǒng)計(jì)分析控制圖標(biāo)稱概率圖熵分析相關(guān)分析信息增益分析監(jiān)控分析方法10/5/202212特征提取統(tǒng)計(jì)分析相關(guān)分析監(jiān)控分析方法10/2/202212主要數(shù)據(jù)驅(qū)動(dòng)方法數(shù)字信號處理方法 譜分析、小波分析等統(tǒng)計(jì)分析方法主元分析（Principal Component Analysis, PCA）、偏最小二乘（Partial Least Squares, PLS ）、Fisher判別分析、 CVA等統(tǒng)計(jì)學(xué)習(xí)方法支持向量機(jī)（SVM ）、Kernel學(xué)習(xí)等人工智能方法 神經(jīng)網(wǎng)絡(luò)、粗糙集、模糊推理、專家系統(tǒng)等10/5/202213主要數(shù)據(jù)驅(qū)動(dòng)方法數(shù)

7、字信號處理方法 10/2/202213面向故障診斷的系統(tǒng)監(jiān)控14面向故障診斷的系統(tǒng)監(jiān)控14基于小波分析的監(jiān)控方法 利用小波變換進(jìn)行監(jiān)控和故障檢測的思路：在進(jìn)行故障檢測時(shí)，同時(shí)對系統(tǒng)的輸入和被檢測信號（系統(tǒng)的輸出或可能的狀態(tài)變量）進(jìn)行小波變換。然后分析不同尺度下的信號的變換結(jié)果。在被檢測的信號的小波分析中剔除由于輸入信號變化引起的奇異點(diǎn)，那么剩下的奇異點(diǎn)代表的就是系統(tǒng)發(fā)生的故障點(diǎn)。10/5/202215基于小波分析的監(jiān)控方法 利用小波變換進(jìn)行監(jiān)控和故障檢測一個(gè)應(yīng)用實(shí)例 利用改進(jìn)的小波包分頻算法進(jìn)行挖掘機(jī)提升系統(tǒng)故障信號的檢測，并成功應(yīng)用。已知提升系統(tǒng)軸承因缺損而產(chǎn)生的振動(dòng)頻率為：84.6Hz（內(nèi)

8、圈脫落）和58.10Hz（外圈脫落）。從FFT頻譜圖可見主要頻線為：213.91Hz、429.47Hz和645.26Hz，它們分別是齒輪嚙合頻率及其2倍、3倍頻率，是齒輪正常運(yùn)行時(shí)的典型頻譜。這些頻譜強(qiáng)烈淹沒了軸承的故障信息。 10/5/202216一個(gè)應(yīng)用實(shí)例 利用改進(jìn)的小波包分頻算法進(jìn)行挖掘機(jī)提升系統(tǒng)故障基于小波包的故障檢測方法 頻率Hz 頻率Hz 05010015010203040506020100501001503040506000.20.40.60.8-3000-2000-100001000200002004006008001000100200300400500時(shí)間/s頻率Hz 10

9、/5/202217基于小波包的故障檢測方法 頻率Hz 多元統(tǒng)計(jì)分析的應(yīng)用背景在現(xiàn)代流程工業(yè)中，隨著測控技術(shù)的快速發(fā)展，人們已經(jīng)能夠?qū)υ絹碓蕉嗟倪^程變量和產(chǎn)品質(zhì)量指標(biāo)進(jìn)行測量；同時(shí)計(jì)算機(jī)和數(shù)據(jù)庫技術(shù)的普及，使工廠擁有了相當(dāng)豐富的生產(chǎn)數(shù)據(jù)資源。工業(yè)過程，尤其是流程工業(yè)，在同一過程中的不同變量間往往存在相互關(guān)聯(lián)的關(guān)系。比如在精餾塔的操作中，進(jìn)料組分的變化會引起各塔板溫度、塔頂和塔底組分等多個(gè)變量的變化。從直觀上看，這種多變量間的變化是錯(cuò)綜復(fù)雜的。10/5/202218多元統(tǒng)計(jì)分析的應(yīng)用背景在現(xiàn)代流程工業(yè)中，隨著測控技術(shù)的快速發(fā)多元統(tǒng)計(jì)分析的應(yīng)用背景廠方有內(nèi)在的需求：采用多變量統(tǒng)計(jì)分析技術(shù)對大量采集的

10、測控?cái)?shù)據(jù)和產(chǎn)品質(zhì)量數(shù)據(jù)進(jìn)行分析。以便揭示過程的內(nèi)在變化規(guī)律、趨勢，為提高產(chǎn)品質(zhì)量提高有用信息，從而把數(shù)據(jù)資源優(yōu)勢轉(zhuǎn)化為生產(chǎn)效益和產(chǎn)品質(zhì)量優(yōu)勢?？蛻魧Ξa(chǎn)品性能的定量要求也越來越嚴(yán)格。這就要求對許多過程變量和產(chǎn)品性能指標(biāo)進(jìn)行分析、處理和監(jiān)測。僅依靠分別對這些變量和指標(biāo)逐一進(jìn)行單變量SPC分析，其結(jié)果往往不太可靠。10/5/202219多元統(tǒng)計(jì)分析的應(yīng)用背景廠方有內(nèi)在的需求：采用多變量統(tǒng)計(jì)分析技多元統(tǒng)計(jì)分析的應(yīng)用背景早期的理論發(fā)展：將單變量SPC技術(shù)直接擴(kuò)展到多變量的情況。出現(xiàn)了所謂的多變量SPC/SPM技術(shù)，包括：多變量CUSUM、多變量EWMA和多變量時(shí)間序列建模技術(shù)等。仍未脫離管理層面的SPC

11、概念和范疇，需要輔以較多的人員交流。10/5/202220多元統(tǒng)計(jì)分析的應(yīng)用背景早期的理論發(fā)展：10/2/202220多元統(tǒng)計(jì)分析的應(yīng)用背景20世紀(jì)80年代開始起，以主元分析（Principal Component Analysis， PCA）為主的多元統(tǒng)計(jì)技術(shù)開始用于工業(yè)過程的監(jiān)測，并利用控制圖等簡單的工具實(shí)現(xiàn)初步的診斷功能。隨著在工業(yè)中成功應(yīng)用例子的不斷增多，以及安全與質(zhì)量控制的實(shí)際需求，PCA等多元統(tǒng)計(jì)方法的定位與功能開始向傳統(tǒng)的故障檢測功能趨進(jìn)，并逐步建立起了理論體系框架和研究分支方向。目前基于多元統(tǒng)計(jì)的過程監(jiān)控仍處于發(fā)展之中。10/5/202221多元統(tǒng)計(jì)分析的應(yīng)用背景20世紀(jì)80年

12、代開始起，以主元分析（PPCA監(jiān)測模型基本原理：PCA統(tǒng)計(jì)過程監(jiān)測模型描述了正常工況下各過程變量之間的關(guān)系，這種變量間的內(nèi)在聯(lián)系是由物料平衡、能量平衡以及操作限制等約束所形成的。具體建模方法就是將過程數(shù)據(jù)向量投影到兩個(gè)正交的子空間（主元空間和殘差空間）上，并分別建立相應(yīng)的統(tǒng)計(jì)量進(jìn)行假設(shè)檢驗(yàn)，以判斷過程的運(yùn)行狀況。PCA監(jiān)測模型本身只具有檢測過程變化的功能，不具有明確的、定量的故障重構(gòu)、識別和分離等高級功能。10/5/202222PCA監(jiān)測模型基本原理：10/2/202222PCA監(jiān)測模型建模前的準(zhǔn)備：過程數(shù)據(jù)的歸一化首先取一段正常生產(chǎn)工況下的過程數(shù)據(jù)集Xmn （m為采樣點(diǎn)數(shù)，n為傳感器數(shù)）建立

13、統(tǒng)計(jì)模型。數(shù)據(jù)陣需要進(jìn)行標(biāo)準(zhǔn)化，即對數(shù)據(jù)集Xmn中每一時(shí)刻的數(shù)據(jù)向量 作變換： ，其中： 為x對應(yīng)的均值向量； 為方差矩陣 ，這里 為第i個(gè)過程變量的標(biāo)準(zhǔn)差，i=1,n。記標(biāo)準(zhǔn)化后得到的數(shù)據(jù)集為 。默認(rèn)情況下都是指過程數(shù)據(jù)已歸一化。 10/5/202223PCA監(jiān)測模型建模前的準(zhǔn)備：過程數(shù)據(jù)的歸一化10/2/202PCA監(jiān)測模型新的基底：坐標(biāo)旋轉(zhuǎn)對 的相關(guān)系數(shù)矩陣 作奇值分解：(3.1)式中 Unn為酉矩陣，D=diag(i=1,n) 為對角矩陣。向量矩陣U=u1, u2, , un即為n空間的一組標(biāo)準(zhǔn)基，且過程數(shù)據(jù)集在新的基底U下將獲得最佳的描述，即在坐標(biāo)系U的各方向上的方差滿足12n (3

14、.2)其中i=1,n即為矩陣D中相應(yīng)的對角元素。 10/5/202224PCA監(jiān)測模型新的基底：坐標(biāo)旋轉(zhuǎn)10/2/202224PCA監(jiān)測模型空間分解與降維稱U的前k(k2n 。從而成立：式(3.4)中的數(shù)據(jù)分解可以寫為另一種更具體的形式：其中殘差矩陣E 理解為噪聲或者不重要的過程信息。10/5/202231PCA監(jiān)測模型PCA模型的一些主要性質(zhì)：10/2/20223PCA監(jiān)測模型2維主元圖：當(dāng)主元數(shù)k=2時(shí)，Pc1和Pc2與控制限的關(guān)系正好為一個(gè)橢圓區(qū)域。此時(shí)高維的數(shù)據(jù)空間的變化監(jiān)測問題，可以在2維的平面圖形上進(jìn)行直觀的考察。這是PCA早期被應(yīng)用于系統(tǒng)監(jiān)控的一個(gè)典型的優(yōu)點(diǎn)和原因之一。10/5/

15、202232PCA監(jiān)測模型2維主元圖：10/2/202232PCA監(jiān)測模型PCA監(jiān)控模型需要滿足的兩個(gè)假設(shè)條件：只有當(dāng)這兩個(gè)假設(shè)條件成立時(shí)，以上給出的控制限和的計(jì)算方法才成立。 各過程變量均是服從高斯分布的隨機(jī)過程各過程變量自身是獨(dú)立同分布的（i.i.d）10/5/202233PCA監(jiān)測模型PCA監(jiān)控模型需要滿足的兩個(gè)假設(shè)條件：各過程變PCA監(jiān)測模型PCA對過程的監(jiān)測是通過T2和SPE檢驗(yàn)來實(shí)現(xiàn)的，共有四種可能的檢測結(jié)果：雖然近年來有關(guān)PCA的過程監(jiān)測方法已得到了廣泛的研究，然而對PCA監(jiān)測方法的特點(diǎn)及其內(nèi)涵的分析卻很不充分，已有的結(jié)論多為定性的（雖然其表現(xiàn)形式是定量的），且很不明確。已有的文

16、獻(xiàn)中一般均籠統(tǒng)地認(rèn)為在4種檢測結(jié)果中，結(jié)果（I）和（III）對應(yīng)于故障發(fā)生；結(jié)果（II）則可能是工況變化（擾動(dòng)）。對于結(jié)果（IV）則認(rèn)為過程運(yùn)行正常，處于受控之中。 （I）T2和SPE統(tǒng)計(jì)量均超過控制界限； （II）T2統(tǒng)計(jì)量超過控制界限，SPE統(tǒng)計(jì)量沒有超過；（III）T2統(tǒng)計(jì)量沒有超過控制界限，SPE統(tǒng)計(jì)量超過；（IV）T2和SPE統(tǒng)計(jì)量均未超過控制界限。10/5/202234PCA監(jiān)測模型PCA對過程的監(jiān)測是通過T2和SPE檢驗(yàn)來實(shí)現(xiàn)PCA監(jiān)測模型在過程監(jiān)測中PCA的作用主要是提供一種“經(jīng)驗(yàn)?zāi)Ｐ汀保‥mpirical model）。這種由數(shù)據(jù)驅(qū)動(dòng)方法建立的模型與精確的機(jī)理模型（First

17、 principal model）在過程監(jiān)測策略中作用和地位是類似的。在基于濾波器的方法中是利用精確的機(jī)理模型來產(chǎn)生殘差信號，然后對殘差信號進(jìn)行分析以判斷系統(tǒng)的運(yùn)行狀態(tài)；而在數(shù)據(jù)驅(qū)動(dòng)的過程監(jiān)測方法中PCA模型是用于提供變量和的“正常范圍”，或“控制限”。10/5/202235PCA監(jiān)測模型在過程監(jiān)測中PCA的作用主要是提供一種“經(jīng)驗(yàn)?zāi)CA監(jiān)測模型PCA在PMD中的作用，與在傳統(tǒng)多元統(tǒng)計(jì)分析中的作用是不同的，即并不主要是為了減小被分析變量集的維數(shù)（有文獻(xiàn)將這一功能稱為壓縮）。也就是說，在建立PCA過程監(jiān)測模型時(shí)（主要表現(xiàn)為主元個(gè)數(shù)的選?。?，“減小主元個(gè)數(shù)”不是建立模型的標(biāo)準(zhǔn)。模型的標(biāo)準(zhǔn)應(yīng)該是在

18、某一最優(yōu)準(zhǔn)則下實(shí)現(xiàn)對故障（擾動(dòng)）的檢測、識別、分離，以及重構(gòu)等功能。事實(shí)上，“減小主元個(gè)數(shù)”這一標(biāo)準(zhǔn)與上述過程監(jiān)測的各功能并無直接聯(lián)系。另外從算法上看，式（3.5）和（3.6）中的T2和SPE統(tǒng)計(jì)量都是標(biāo)量，主元個(gè)數(shù)為2或?yàn)?0并無本質(zhì)區(qū)別，而且對于工業(yè)過程PMD應(yīng)用而言，不同主元時(shí)在計(jì)算量上的差別并無大礙。 10/5/202236PCA監(jiān)測模型PCA在PMD中的作用，與在傳統(tǒng)多元統(tǒng)計(jì)分析中PCA監(jiān)測模型關(guān)于PCA統(tǒng)計(jì)模型之檢測結(jié)果：目前關(guān)于PCA監(jiān)測結(jié)果的理解僅是指“一般情況下的“。工況變化時(shí)PCA的檢測結(jié)果并不一定是通常認(rèn)為的結(jié)果（II），而是與工況變化所造成的各過程變量的統(tǒng)計(jì)參數(shù)的改變程

19、度和方式密切相關(guān)。事實(shí)上，工況變化時(shí)PCA的檢測結(jié)果在理論上可以是4種中的任何一種。而且對于連續(xù)生產(chǎn)過程在發(fā)生輸入擾動(dòng)或設(shè)定值變化后，由于控制的作用過程將達(dá)到新的穩(wěn)態(tài)。在控制器發(fā)生作用的過程中PCA監(jiān)測行為是復(fù)雜的。10/5/202237PCA監(jiān)測模型關(guān)于PCA統(tǒng)計(jì)模型之檢測結(jié)果：10/2/202主要研究結(jié)論關(guān)于PCA統(tǒng)計(jì)模型之檢測結(jié)果討論：故障發(fā)生時(shí)PCA的檢測結(jié)果不一定是通常認(rèn)為的結(jié)果（I）和（III）。除了存在漏報(bào)的可能外（即結(jié)果IV），檢測結(jié)果還有可能為（II）。此時(shí)若按照通常的觀點(diǎn)就會將此類故障誤判為是工況變化造成的，延誤采取有效的故障補(bǔ)救措施。結(jié)果（II）下的工況變化與故障的區(qū)分需

20、要采用進(jìn)一步的措施，如改進(jìn)PCA，或其它技術(shù)。PCA的檢測行為及其內(nèi)涵是很復(fù)雜的。不能簡單地將過程工況的變化，過程故障和傳感器故障的檢測結(jié)果固定為4種檢測類型中的某一種或幾種的組合。事實(shí)上，即使是同一故障（或工況變化），當(dāng)故障（或變化）的程度和方式不同時(shí)，其檢測結(jié)果也可能是不同的。進(jìn)一步的故障診斷還須結(jié)合其它的方法。10/5/202238主要研究結(jié)論關(guān)于PCA統(tǒng)計(jì)模型之檢測結(jié)果討論：10/2/20關(guān)于PCA統(tǒng)計(jì)模型：Wang Haiqing, Song Zhihuan and Li Ping（ 2002 ）: Fault Detection Behavior and Performance A

21、nalysis of PCA-based Process Monitoring Method, Ind. Eng. Chem. Res.，Vol. 41(9), 2455-2464 盡管PCA統(tǒng)計(jì)模型對引起T2和SPE統(tǒng)計(jì)量變化的原因不能給出明確的結(jié)論，但PCA統(tǒng)計(jì)模型對過程的變化很敏感。而故障的檢測是故障重構(gòu)、分離和識別的前提，因此PCA仍不失為一種有效的過程監(jiān)測方案。主要研究結(jié)論10/5/202239關(guān)于PCA統(tǒng)計(jì)模型： 盡管PCA統(tǒng)計(jì)模型對引起T一個(gè)例子PCA模型應(yīng)用（Case Study）：Double-Effect Evaporator (DEE)10/5/202240一個(gè)例子PCA

22、模型應(yīng)用（Case Study）：Double一個(gè)例子DEE過程描述：雙效蒸發(fā)器是多效蒸發(fā)的一種類型，通過2個(gè)蒸發(fā)器的蒸發(fā)使得流過料液的濃度提高，具有比單效蒸發(fā)器更高的熱效率。溶質(zhì)組分為XF的料液從蒸發(fā)器2注入蒸發(fā)，再進(jìn)入蒸發(fā)器1蒸發(fā)后將溶質(zhì)組分提高為X1。穩(wěn)態(tài)操作參數(shù)為：進(jìn)料的溶質(zhì)重量分比XF=0.02（kg 溶質(zhì)/kg 溶液），進(jìn)料溫度TF=38.0（C），進(jìn)入蒸發(fā)器1的加熱蒸汽溫度TS0=164（C）。10/5/202241一個(gè)例子DEE過程描述：10/2/202241一個(gè)例子DEE過程變量符號說明：M1, M2 = 蒸發(fā)器1，2內(nèi)的滯料重（kg/溶液）T1 , T2 = 蒸發(fā)器1，2內(nèi)

23、的溶液溫度 （C）TF =進(jìn)料溶液的溫度（C）TS0 = 進(jìn)入蒸汽的溫度（C）W1, W2 = 從蒸發(fā)器1，2流出的溶液質(zhì)量流量（kg溶液/s） WF = 進(jìn)入蒸發(fā)器2的料液質(zhì)量流量（kg溶液/s）WS0 = 進(jìn)入蒸發(fā)器1的加熱蒸汽（kg蒸汽/s） WS1, WS2 = 從蒸發(fā)器1，2頂部汽化的蒸汽流量（kg蒸汽/s）X1, X2 = 蒸發(fā)器1，2內(nèi)的溶質(zhì)重量分?jǐn)?shù)（kg溶質(zhì)/ kg溶液）XF = 進(jìn)料溶液中的溶質(zhì)分比（kg溶質(zhì)/ kg溶液）共取8個(gè)變量進(jìn)行監(jiān)測：T1, WF, W1, W2, WS1, WS2, X2, WS010/5/202242一個(gè)例子DEE過程變量符號說明：10/2/20

24、2242一個(gè)例子DEE過程的PCA統(tǒng)計(jì)監(jiān)測模型：取正常工況穩(wěn)態(tài)下的被監(jiān)測變量的300個(gè)采樣數(shù)據(jù)，建立PCA統(tǒng)計(jì)模型。在過程監(jiān)測仿真中必須適當(dāng)?shù)丶ぐl(fā)被監(jiān)測過程，以確保用于建模的數(shù)據(jù)中包含了正常的過程波動(dòng)信息；由于前3個(gè)主元的方差累計(jì)和百分比為：85.7974，故取主元個(gè)數(shù)為k=3。即采用的是方差累計(jì)和百分比（CPV）的主元選取準(zhǔn)則。相應(yīng)的控制限： = 12.5284（99%）， = 3.7464（99%）。10/5/202243一個(gè)例子DEE過程的PCA統(tǒng)計(jì)監(jiān)測模型：10/2/20224一個(gè)例子案例1：工況參數(shù)發(fā)生變化時(shí)PCA的檢測行為進(jìn)入蒸發(fā)器1的加熱蒸汽溫度TS0由164（C）升高4.3（C

25、）檢測圖。前約100個(gè)數(shù)據(jù)的檢測結(jié)果為（II）。但隨著過程達(dá)到新的穩(wěn)態(tài)后，SPE統(tǒng)計(jì)量的均值增大而超過了其控制限SPE，檢測結(jié)果轉(zhuǎn)為（I）。 10/5/202244一個(gè)例子案例1：工況參數(shù)發(fā)生變化時(shí)PCA的檢測行為10/2/一個(gè)例子案例2：傳感器故障發(fā)生時(shí)PCA的檢測行為傳感器WS1出現(xiàn)測量偏差故障，采集150個(gè)數(shù)據(jù)的檢測結(jié)果，其中偏差幅值恒定為3.8kg/s（約為WS1穩(wěn)態(tài)流量的9%）。PCA檢測結(jié)果為情況（II），SPE圖中僅有幾個(gè)時(shí)刻的數(shù)據(jù)被作為粗差檢出。10/5/202245一個(gè)例子案例2：傳感器故障發(fā)生時(shí)PCA的檢測行為10/2/2主要研究結(jié)論非線性PCA：除了前面提到兩個(gè)需要滿足的

26、假設(shè)條件外，有不少學(xué)者還認(rèn)為PCA過程監(jiān)測模型還應(yīng)該滿足另一個(gè)條件，即被監(jiān)測過程是線性的?；蛘吒_切的說是被監(jiān)測變量集內(nèi)的各變量之間應(yīng)為線性關(guān)系。20世紀(jì)90年代后曾出現(xiàn)過各種所謂的“非線性”PCA監(jiān)測方法，但并未深入系統(tǒng)地得到發(fā)展，并且近年來已少有報(bào)道。這一假設(shè)的提出者實(shí)際上是認(rèn)為PCA在過程監(jiān)測方法中的主要作用是為了“提取變量之間的線性關(guān)系”，或者僅是為了“降維”。PCA在過程監(jiān)測方法中作用是為了提供一個(gè)對被監(jiān)測模型的“描述”，一種監(jiān)測方法的“框架”。被監(jiān)測變量集之間是否為線性關(guān)系與PCA監(jiān)測模型的有效性并無直接聯(lián)系。10/5/202246主要研究結(jié)論非線性PCA：10/2/202246主

27、要研究結(jié)論非線性PCA的理論思路：主元曲線與主元曲面通過引入一個(gè)非線性函數(shù)，將原來的過程變量映射到所謂的“主元曲線”上，使得所有數(shù)據(jù)點(diǎn)到該曲線的距離之和最?。挥?jì)算第1條主元曲線時(shí)，首先以線性主元為初始曲線，通過迭代技術(shù)逐條確定主元曲線；由于主元曲線不能直接用于獲得非線性的打分向量，需要采用非線性數(shù)值逼進(jìn)的方法建立兩者直接的關(guān)系。10/5/202247主要研究結(jié)論非線性PCA的理論思路：10/2/202247主要研究結(jié)論動(dòng)態(tài)PCA由于生產(chǎn)過程的內(nèi)部動(dòng)態(tài)特性的影響，采集到的生產(chǎn)數(shù)據(jù)并不是i.i.d.的。為了消除建模數(shù)據(jù)的序列相關(guān)性（serial correlations），保證PCA檢測模型的有效

28、性，需要解決序列相關(guān)問題。擴(kuò)展矩陣法：將t時(shí)刻的m維過程測量數(shù)據(jù)向量xt與其前面的t-h拍的xt-1, xt-2, , xt-h排列在一起，組成新的過程監(jiān)測數(shù)據(jù)向量 。其中參數(shù)h與過程的動(dòng)態(tài)特性有關(guān)，一般情況下取h=1或2即可。將擴(kuò)展后的數(shù)據(jù)矩陣用于PCA建模，可以使得SPE統(tǒng)計(jì)量是不相關(guān)的，從而保證了其計(jì)算得到的控制限的準(zhǔn)確。10/5/202248主要研究結(jié)論動(dòng)態(tài)PCA10/2/202248主要研究結(jié)論動(dòng)態(tài)PCA：工業(yè)數(shù)據(jù)本質(zhì)上具有多尺度特征，反映了不同生產(chǎn)工況和設(shè)備狀況下的信息。10/5/202249主要研究結(jié)論動(dòng)態(tài)PCA：工業(yè)數(shù)據(jù)本質(zhì)上具有多尺度特征，反映了主要研究結(jié)論多尺度動(dòng)態(tài)PCA首

29、先利用小波技術(shù)，將過程數(shù)據(jù)進(jìn)行多尺度分解，以獲得不同層次下的過程信息。更適合于刻劃生產(chǎn)進(jìn)行的狀況。由于小波系統(tǒng)的正交性，在不同尺度下的分解系數(shù)是相互不關(guān)聯(lián)的，并且同一尺度下的系數(shù)也是互不關(guān)聯(lián)的。10/5/202250主要研究結(jié)論多尺度動(dòng)態(tài)PCA10/2/202250主要研究結(jié)論動(dòng)態(tài)PCA多尺度PCA：首先利用小波技術(shù)，將過程數(shù)據(jù)進(jìn)行多尺度分解，以獲得不同層次下的過程信息，然后分別對這些信息進(jìn)行PCA建模和監(jiān)測，總的重構(gòu)信息再進(jìn)行PCA監(jiān)測。10/5/202251主要研究結(jié)論動(dòng)態(tài)PCA10/2/202251主要研究結(jié)論多產(chǎn)品以及遞推PCA：在同一生產(chǎn)線上的多產(chǎn)品切換情況下，快速對PCA統(tǒng)計(jì)監(jiān)測模

30、型進(jìn)行更新和重組，以實(shí)現(xiàn)對生產(chǎn)的監(jiān)測與產(chǎn)品質(zhì)量控制。并獲得計(jì)算量更小的模型更新模式，以適應(yīng)更高性能場合的應(yīng)用。10/5/202252主要研究結(jié)論多產(chǎn)品以及遞推PCA：10/2/202252主要研究結(jié)論數(shù)據(jù)協(xié)調(diào)與粗差檢測利用T2圖對采集的高維過程數(shù)據(jù)進(jìn)行檢測，以剔除粗差。而且可以對缺失的數(shù)據(jù)進(jìn)行估計(jì)，以保證在后續(xù)其它應(yīng)用中數(shù)據(jù)的完整性。T2圖粗差檢測10/5/202253主要研究結(jié)論數(shù)據(jù)協(xié)調(diào)與粗差檢測T2圖粗差檢測10/2/202主要研究結(jié)論軟測量應(yīng)用流程工業(yè)生產(chǎn)中有一些變量，尤其是質(zhì)量指標(biāo)變量難以在線進(jìn)行測量，往往存在很大的滯后性；另外有效過程變量可能是不能夠直接測量或者測量儀表成本很高。主元

31、回歸建模（PCR）：利用PCA能夠抓住高維數(shù)據(jù)中的主要變化關(guān)系，通過對多維的數(shù)據(jù)進(jìn)行PCA分析，建立主元（PCs）與待預(yù)報(bào)變量之間的“軟儀表”模型。10/5/202254主要研究結(jié)論軟測量應(yīng)用10/2/202254主要研究結(jié)論核函數(shù)部分最小二乘(Kernel PLS)類似與KPCA，以XXYY或 XYYX為核函數(shù)。主要目的是降低計(jì)算和存儲量、節(jié)省計(jì)算時(shí)間動(dòng)態(tài)部分最小二乘(DPLS)引入時(shí)間項(xiàng)，建立因變量與過程自變量間的動(dòng)態(tài)關(guān)系。判別式部分最小二乘（Discriminant PLS）主要用于模式識別，因變量為模式標(biāo)識。多路PLS （Multiway PLS）以時(shí)間軸為切面，建立不同批次同一時(shí)間切

32、面上自變量與因變量的統(tǒng)計(jì)關(guān)系，主要用于間歇系統(tǒng)的故障診斷和建模10/5/202255主要研究結(jié)論核函數(shù)部分最小二乘(Kernel PLS)10/主要研究結(jié)論Recursive PLS(遞推PLS)解決連續(xù)系統(tǒng)PLS模型的在線更新問題，缺點(diǎn)是必須提取所有成分。模型因陷入過擬合而使預(yù)測精度下降。多尺度PLS算法提取成分t和u;利用小波網(wǎng)絡(luò)擬合成分t和u之間的非線性關(guān)系,即建立小波網(wǎng)絡(luò)內(nèi)模型;然后同傳統(tǒng)PLS算法,建立系統(tǒng)外模型。10/5/202256主要研究結(jié)論Recursive PLS(遞推PLS)10/2橡膠密煉過程監(jiān)控10/5/202257橡膠密煉過程監(jiān)控10/2/202257模型數(shù)據(jù)示意圖

33、如下：10/5/202258模型數(shù)據(jù)示意圖如下：10/2/202258基于PLS的門尼粘度系數(shù)監(jiān)控10/5/202259基于PLS的門尼粘度系數(shù)監(jiān)控10/2/202259面向產(chǎn)品質(zhì)量的系統(tǒng)監(jiān)控60面向產(chǎn)品質(zhì)量的系統(tǒng)監(jiān)控60為何需要質(zhì)量監(jiān)控客戶需求 全球產(chǎn)業(yè)鏈之中，供應(yīng)商必須采用SPC控制其制程 要求供應(yīng)商提供過程數(shù)據(jù)和過程能力內(nèi)部需求 ISO和QS-9000認(rèn)證的關(guān)鍵部分 減少過程不穩(wěn)定，提高產(chǎn)品質(zhì)量過程改進(jìn) 促使工作流的改進(jìn) 決定最佳適應(yīng)某特殊過程/產(chǎn)品的設(shè)備10/5/202261為何需要質(zhì)量監(jiān)控客戶需求10/2/202261關(guān)鍵指標(biāo)波動(dòng)波動(dòng)是質(zhì)量的敵人；品質(zhì)改善就是要持續(xù)減少設(shè)計(jì)、制造和服

34、務(wù)過程的波動(dòng)；“監(jiān)控的角色就是改進(jìn)過程品質(zhì)”波動(dòng)是魔鬼發(fā)現(xiàn)并消滅它！偶然性原因產(chǎn)品質(zhì)量影響較小技術(shù)上難以消除經(jīng)濟(jì)上也不值得消除 系統(tǒng)原因產(chǎn)品質(zhì)量影響大能夠避免和消除 10/5/202262關(guān)鍵指標(biāo)波動(dòng)波動(dòng)是質(zhì)量的敵人；波動(dòng)是魔鬼發(fā)現(xiàn)并消滅它！偶然波動(dòng)無處不在缺乏足夠的過程能力?不穩(wěn)定的零件和材料不合理的設(shè)計(jì)19649波動(dòng)（誤差）的最初起源環(huán)境不確定性的影響10/5/202263波動(dòng)無處不在缺乏足夠的過程能力?不穩(wěn)定的零件和材料不合理的設(shè)一周二周三周平均1742615879325711842495886584686104295969566655254353顧客的視角最小 = 17最大 = 118

35、我的視角53捕 捉 客 戶 的 著 眼 點(diǎn) - Y 的整個(gè)分布狀況波動(dòng)為何不早發(fā)現(xiàn)一周二周三周平均17顧客的視角最小 = 17我的視角53捕 傳統(tǒng)的質(zhì)量控制你不知道廢品何時(shí)會出現(xiàn)，所能做的就是挑出廢品 !SpecLSLUSL我們合格Spec-in就合格I am Data(我活著)Spec-out不合格檢出不良10/5/202265傳統(tǒng)的質(zhì)量控制你不知道廢品何時(shí)會出現(xiàn)，所能做的就是挑出廢品 監(jiān)控系統(tǒng)可以幫助我們區(qū)分正常波動(dòng)和異常波動(dòng)；及時(shí)發(fā)現(xiàn)異常征兆；消除異常因素；減少異常波動(dòng)；提高過程能力；預(yù) 防 & 控 制10/5/202266監(jiān)控系統(tǒng)可以幫助我們區(qū)分正常波動(dòng)和異常波動(dòng)；預(yù) 防 & 控 過程

36、趨勢分析當(dāng)過程處于動(dòng)態(tài)變化時(shí)，操作人員面對的是眾多的變化快慢不同的過程變量，并且還可能存在不同的滯后作用的影響，以及傳感器數(shù)據(jù)缺失的影響。此外統(tǒng)計(jì)監(jiān)測模塊發(fā)出的各類報(bào)警提示，需要操作人員及時(shí)給予確認(rèn)和處理。在這一情況下，即使是熟練的操作人員也難以正確地完成下面的任務(wù)區(qū)分正常和非正常的工況；判斷過程變化的原因，比如外部負(fù)載擾動(dòng)、設(shè)備故障，以及操作失誤等；評價(jià)當(dāng)前的過程趨勢，并預(yù)測將來的過程狀態(tài)變化方式；給出相應(yīng)的措施和實(shí)施步驟。10/5/202267過程趨勢分析當(dāng)過程處于動(dòng)態(tài)變化時(shí)，操作人員面對的是眾多的變化統(tǒng)計(jì)過程控制SPC統(tǒng)計(jì)質(zhì)量控制SQC在數(shù)據(jù)量大、數(shù)據(jù)維數(shù)高、變量間具有相關(guān)性的連續(xù)過程中，多變量統(tǒng)計(jì)過程控制主要用于實(shí)現(xiàn)統(tǒng)計(jì)質(zhì)量控制。多變量統(tǒng)計(jì)分析方法包括有主元分析PCA、偏最小二乘PLS，主元回歸等。采用多元統(tǒng)計(jì)相關(guān)分析的原理方法，對多個(gè)工藝參數(shù)的大量運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，通過減維壓縮，提取運(yùn)行數(shù)據(jù)的變化特征，用一、二個(gè)多元統(tǒng)計(jì)量的變化，集中體現(xiàn)裝置運(yùn)行中的綜合變化狀況，便于生產(chǎn)管理與操作人員運(yùn)用這一、二個(gè)多元統(tǒng)計(jì)量的變化狀況，去觀測、監(jiān)視生產(chǎn)過程