本文從工業(yè)間歇過程中的實際應用出發(fā)，針對間歇過程數(shù)據(jù)的不同特點，分別從非線性、非高斯性、多階段性等不同角度進行研究，改進傳統(tǒng)多元統(tǒng)計監(jiān)測方法的不足，以基于核熵成分分析(KECA)[81]為主要統(tǒng)計分析工具，提出新的過程監(jiān)測和故障診斷策略，實現(xiàn)對間歇過程的在線監(jiān)測。論文的主要研究內容如下：

　　基于KECA方法的間歇過程監(jiān)測方法研究

　　針對大多數(shù)間歇過程都具有復雜的非線性特征，深入分析了KECA和KPCA方法，提出了多向核熵成分分析(MKECA)的間歇過程監(jiān)測方法，它是以信息熵為信息衡量指標，結合數(shù)據(jù)信息和數(shù)據(jù)簇結構信息使降維后的數(shù)據(jù)分布逼近原始數(shù)據(jù)分布。分析了不同的展開方式對實際間歇過程監(jiān)測應用中存在的優(yōu)缺點，提出一種改進的展開方法，用于對間歇過程進行過程監(jiān)測與故障診斷。該方法對在線數(shù)據(jù)進行處理，使得展開后的數(shù)據(jù)不必進行數(shù)據(jù)填充即可進行過程監(jiān)測，避免了由于數(shù)據(jù)預估帶來的模型誤差問題，提高了模型的監(jiān)測性能。同時結合MKPCA的主元提取方法中的方差累積貢獻率，提出核熵值累計貢獻率的MKECA主元提取方法；最后給出一種隨時間變化的貢獻圖故障診斷方法。仿真實驗結果表明，MKECA的監(jiān)測性能優(yōu)于傳統(tǒng)的MKPCA方法，且具有一定的故障識別能力。

　　基于MKEICA的間歇過程監(jiān)測方法的研究

　　針對傳統(tǒng)MKICA方法所建立監(jiān)測模型在非高斯、非線性監(jiān)測方面的不足，本章研究了基于MKEICA間歇過程監(jiān)測方法，首先利用將原始數(shù)據(jù)映射到核熵空間，解決數(shù)據(jù)的非線性的同時最大限度地保持數(shù)據(jù)的簇機構信息，其次將KECA白化后的得分矩陣進行ICA分解后，構建高階累計量的監(jiān)測統(tǒng)計量用于過程監(jiān)測。最后將該方法應用于一個數(shù)值非線性過程和間歇發(fā)酵過程，并與傳統(tǒng)MKICA方法進行比較，驗證了基于MKEICA方法在間歇過程監(jiān)測中的有效性。

　　間歇過程階段劃分及過程監(jiān)測算法研究

　　對間歇生產過程進行多階段監(jiān)測是一個復雜的問題，既需要考慮過程監(jiān)測在穩(wěn)定模態(tài)下的監(jiān)測效果，又需要考慮過渡模態(tài)下的監(jiān)測效果。不同操作模態(tài)的數(shù)據(jù)在數(shù)據(jù)相關性上會不盡相同，需要針對每個模態(tài),建立不同的階段模型。兩個彼此相鄰的穩(wěn)定模態(tài)間的過渡過程更是復雜，過渡模態(tài)最大的特點是變量的時變特性，針對這一特性在過渡階段使用時變協(xié)方差代替固定協(xié)方差可以更好地反映這一特性。本文提出了一種應用于間歇過程多階段的過程監(jiān)測方法，該方法首先把三維數(shù)據(jù)矩陣按照時間片展開策略展開為新的二維數(shù)據(jù)；其次根據(jù)各時間片的數(shù)據(jù)進行KECA數(shù)據(jù)轉換，然后依據(jù)核熵的大小對過程進行階段劃分，將生產操作過程劃分為穩(wěn)定階段和過渡階段，并分別建立監(jiān)測模型對生產過程進行監(jiān)測；最后對青霉素發(fā)酵仿真平臺的應用表明，采用提出的Sub-MKECA階段劃分結果能很好地反映間歇過程的機理，并且對于多模態(tài)過程的故障監(jiān)測表明其可以及時、準確發(fā)現(xiàn)故障，具有較高的實用價值。

　　基于MKEICA的多階段非高斯過程監(jiān)測方法研究

　　針對傳統(tǒng)MKICA方法不能有效處理過程間歇過程數(shù)據(jù)多階段特性的問題，提出一種結合MKEICA的多階段監(jiān)測策略。該方法的主要思想是利用KECA對過程數(shù)據(jù)進行階段劃分，由于使用KECA對數(shù)據(jù)進行劃分后，數(shù)據(jù)在核熵空間會呈現(xiàn)非高斯特性，故引入ICA模型對其進行分解，在獨立元子空間和殘差子空間內構造基于高階累計量的監(jiān)測統(tǒng)計量HS和HE，新的高階監(jiān)測統(tǒng)計量與傳統(tǒng)的低階監(jiān)測統(tǒng)計量相比，可以更加完整地提取過程數(shù)據(jù)的特征。因此基于KECA劃分操作階段建立ICA模型解決非高斯分布問題是合理和可行的。將該方法應用于青霉素發(fā)酵過程的仿真平臺和工業(yè)大腸桿菌制備白介素-2發(fā)酵過程監(jiān)測中，結果顯示所提出方法能較好處理過程的非高斯分布數(shù)據(jù)，一定程度上克服時序相關性對監(jiān)測性能的影響。

　　基于子階段的質量相關過程監(jiān)測方法研究

　　對基于KICA-PCA和T-PLS算法進行深入分析的基礎上提出的子階段質量相關的過程監(jiān)測方法，用HS統(tǒng)計量捕獲過程各個子階段的非高斯特征，建立新的聯(lián)合統(tǒng)計量捕獲與質量相關的各個子階段的高斯信息，通過對工業(yè)制備大腸桿菌的間歇發(fā)酵過程的應用表明該監(jiān)測策略確實能有效減少生產過程中監(jiān)測的誤警率和漏報率，較好的反映各階段的特征多樣性，為多操作階段、非高斯分布、高斯分布的間歇發(fā)酵過程監(jiān)測提供一種可行的解決方案，具有一定的實用價值。