盐酸头孢吡肟中间体7-MPCA残留的测定方法

建立了用高效液相色谱仪测定反应液中关键中间体7-氨基-3-[(1-甲基四氢吡咯)甲基]-3-头孢-4-羧酸盐酸盐残留含量的分析方法,能够更好地控制盐酸头孢吡肟合成过程中的反应终点,及时进行下步工艺操作。经过验证,该方法具有较好的专属性、精密度和耐用性,操作简单,重复性好,可为盐酸头孢吡肟中间体7-MPCA残留检测提供试验依据。

基于MPCA-AR的故障预测方法研究

由于水压试验机是一个复杂的高压系统,该类系统发生事故不仅会影响生产的可靠运行而且会造成人员和财产的巨大损失。因此,研究切实可行的水压试验机故障预测方法,对保证生产安全可靠运行具有重要意义。针对一些液压元件故障具有批次间渐变的特点,提出了基于多元统计技术与时间序列结合的缓变故障预测方法。该方法通过建立T2及Q统计量的自回归模型,预测下一批次统计量值,将所求值与控制限对比进而实现渐变故障的预测。采用水压试验机实际生产过程数据对该方法进行仿真研究,仿真结果验证了该方法的有效性。

基于ICA-MPCA的间歇过程监测方法

针对基于多向主元分析(multi-way principal component analysis,MPCA)的间歇过程监测方法需要事先假定变量呈高斯分布的缺陷,提出了一种新的ICA(independent component analysis,ICA)-MPCA多变量间歇过程统计监测方法。该方法先用ICA法从过程信息中抽取非正态分布的特征信号,并确定联合分布的统计置信限;然后对提取非正态特征信号后残余的服从多元正态分布的过程信息进行MPCA分析,从而避免了基于MPCA间歇过程监测方法需假设过程特征信号全部服从正态分布的前提。将该法应用于β-甘露聚糖酶间歇发酵过程监测,结果表明该法不仅能有效地监测出故障,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测。

基于分段线性MPCA的充液氨过程建模及监控

为深入分析晶变改性装备中反应釜充液氨工艺过程特性,同时也为了进行更精确、有效的过程监控,提出了一种分段线性多向主元分析(MPCA)方法,实现该间歇过程的建模及故障诊断。首先将三维建模数据降维展开并进行主元分析(PCA),得到采样点数据特征矩阵;然后基于间歇过程的多操作时段特性,根据特征矩阵相似度最大隶属原则,通过设定窗口长度可调的滑动聚类器,在系统运行轨迹上分别从数据变异的方向和幅值对采样点进行2次聚类划分,将间歇过程操作周期分割为一系列运行特性相同的子时段,最后利用各个子时段的线性MPCA模型逼近系统非线性运行过程,实现间歇生产过程建模及在线监测。通过反应釜充液氨工艺过程的实际应用,结果表明提出的建模方法能够对该间歇生产进行合理的、易于从过程特性角度解释的时段划分,所建模型具有可靠的监控性能,能及时准确检测出系统运行过程中的异常情况。

多模型MPCA方法在多变量间歇过程故障监测与诊断中的应用

多向主元分析 (MPCA)是应用于间歇生产过程故障监测与诊断中的一种较为有效的方法 ,但由于其自身的线性化特点 ,使之在复杂的非线性动态系统处理中显得力不从心 .针对普通MPCA方法的优缺点提出一种多模型结构的MPCA方法 ,讨论了该方法的模型结构以及现场故障监测与诊断的分析过程 .多模型结构的MPCA方法通过分点差分的方式 ,关联了同一间歇过程中不同测量时刻变量值的关系 。

SBR过程自适应动态非线性MPCA建模及在线监视

污水处理SBR过程的在线性能监视对于提高排污质量和实现优化操作是至关重要的。针对SBR间歇过程缓慢时变、可变运行长度和非线性特点,采用双滑动窗口机制,提出多变量非线性自适应动态建模方法—可变长度的滑动窗口MPCA方法,解决常规MPCA在工业应用过程中存在的几个潜在问题:(1)建模数据样本不同步问题;(2)模型失配问题;(3)MPCA线性方法不能充分有效压缩和抽取非线性过程信息;(4)估计未来测量变量所引进的监视误差。所提方法成功应用在国际水协会提出的benchmark仿真试验平台。

动态MPCA在发酵过程监测与故障诊断中的应用

针对发酵过程非线性和时变特点,提出了一种具有实时性的动态MPCA方法,采用多模型非线性结构代替传统MPCA单模型线性化结构,克服了后者不能处理非线性过程和实时性的问题,并避免了MPCA在线应用时预报未来测量值带来的误差,提高了发酵过程性能监测和故障诊断的准确性。对头孢菌素C发酵过程的拟在线仿真研究,验证了基于动态MPCA的统计过程监测的有效性。

步进MPCA及其在间歇过程监控中的应用

针对多向主元分析法(MPCA)在间歇过程监控过程中需要预测过程未来输出的困难,提出了一种新的步进多向主元分析方法。该方法通过建立一系列的PCA模型,避免了对预估过程变量未来输出的需要,通过引入遗忘因子能够自然地处理多阶段间歇过程的情况。对于多阶段链霉素发酵过程的监控表明,相对于普通MPCA,步进MPCA能够更精确地对过程故障行为进行描述。

基于MPCA-RBF模型的证券市场指数时间序列预测

针对证券市场指数内部结构的复杂性和影响因素的高维性,提出基于MPCA-RBF(多线性主成分分析法—径向基神经网络)模型的证券市场指数时间序列预测方法。由于证券市场间存在关联性,选取了7个证券市场及34个技术指标构建三维张量模型,采用张量方法——MPCA进行特征提取,使降维的同时充分保留数据内部结构,之后利用RBF神经网络进行回归预测,提高了预测精度。对恒生指数和日经225指数的实验结果显示,与非张量模型相比,该模型预测误差较小,预测精度有较显著的提高,表明该模型能充分地保留证券时间序列内部结构,证明了其在证券预测领域的有效性和实用性。

基于MPCA与DTW的间歇反应过程的性能监视及故障诊断

研究了基于多方向主元分析(MPCA)理论和动态时间错位(DTW)理论对间歇反应过程进行性能监视及故障诊断的方法.多元统计分析理论是根据反应过程的历史批量数据,建立过程的统计数据库、统计数学模型;在此基础上确定过程的统计监控指标,并向各自的统计模型投影,判断其与模型的拟合程度来诊断是否有故障发生.由于间歇反应的各批次物理条件的不同、约束条件的不同,导致批次与批次之间的数据轨迹不同步.动态时间错位(DTW)理论通过搜寻两轨迹的相似特征,适时地对轨迹进行压缩和扩张,从而使其达到一致的程度.这为基于MPCA理论进行故障诊断提供了合理、可靠的数据依据.比较轨迹进行同步化处理前、后的故障诊断结果完全不同,因此,DTW理论的应用在基于MPCA理论进行性能监视及故障诊断中具有重要意义.

MWMPCA方法及其在间歇过程监控中的应用

针对传统的多向PCA(PrincipalComponentAnalysis)模型间歇过程监控的缺点,提出了一种移动窗多向主元分析(MWMPCA:MovingWindowMulti-wayPrincipalComponentAnalysis)模型。与MPCA方法比较,MWMPCA可很好地监控间歇过程操作的稳定性,在实时监控新的间歇过程时,只需利用已收集到的数据信息,同时还可根据实际反应情况调整主元的选取个数,以得到更好的监控性能。

基于二代Curvelet变换与MPCA的可见光与红外图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代Curvelet变换与模块化主成分分析(MPCA)的图像融合新方法。首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度和方向下的粗细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对粗尺度系数的选择,采用基于模块化主成分分析(MPCA)的融合规则,确定融合权值,而对不同尺度与方向下的细尺度系数的选择,采用基于局部区域能量的融合规则;最后经Curvelet逆变换得到融合结果。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果,是一种可行有效的图像融合算法。

事件驱动的多模型MPCA统计监视方法及其应用

过程的安全性和产品的一致性是工业界共同关注的研究课题。如果对整个间歇过程只用一个线性化模型来处理,不仅会使主元个数大大增加,而且有许多故障无法检测到。结合间歇产生过程对象特点,将整个操作周期划分成多个子过程,分别建立多个子过程MPCA模型。在监视过程中,采用事件驱动方式在多模型之间切换,然后比较子模型的SPE等统计量和统计控制线的大小,判断过程状态是否处于异常。根据贡献图识别故障发生的原因,定位故障源。将所提出的建模和监视策略应用到锦西化工集团聚氯乙烯间歇生产,该方法能够快速有效地监视PVC生产过程中每一阶段性能的变化,及时准确地识别故障和诊断故障发生的原因,同时模型内存空间占用少,计算量小。

滑动模型MPCA在间歇过程故障检测与诊断中的应用

本文针对间歇生产过程复杂非线性的特点及控制系统的实时监测要求,提出了滑动模型MPCA方法。这种方法首先将三维原始数据空间按不同测量时刻切割成一系列子数据空间,然后根据选取的模型大小将各个时间段中子数据块整合成具有相同数据结构的一系列新的子数据空间,分别建立各个子MPCA模型。滑动模型MPCA方法能够在尽可能小的时间段中监测系统运行状况,能够较好解决间歇生产过程中的非线性问题,并且更好地保证数据信息抽取的完整性。仿真实例验证了该方法的有效性。

基于改进的OFA-MPCA的监控方法

多向主元分析(MPCA)是利用多变量统计方法从纷杂的海量数据信息中提取出能够准确表征数据信息的几个主元,并通过投影法来降低数据的维数,主要应用于间歇生产过程中.在实际的间歇生产过程中,由于各种原因导致各批次异步造成它们运行时间的不一致,而无法直接建立有效的统计模型,正交函数近似(OFA)是一种基于正交基的投影变换技术,通过对原始数据进行OFA处理后,可以用投影系数来描述原始数据所具有的特征,并且可以达到轨迹同步化和压缩数据量的目的.对OFA法进行了部分改进,并结合MPCA法对典型的间歇过程——青霉素发酵过程进行了仿真研究.结果表明,改进的OFA计算速度有了极大的提高,且改进的OFA-MPCA法能完好地对各批次进行同步、建模并得出准确的监视结果.

MPCA对不同小麦品种生长及生理指标影响的研究

通过室内测定,明确MPCA对不同小麦品种生长发育、根系活力及叶绿素含量的影响存在着较大的差异。研究结果表明,豫麦54对MPCA耐药性强,豫麦18耐药性最弱,周麦9号、七里湾一号居中,同一小麦品种土壤处理法比茎叶处理法影响安全性要强;MPCA对豫麦54根系活力及叶绿素含量影响最小,对豫麦18、周麦9号、七里湾一号影响较大;MPCA对根系活力及叶绿素含量的影响土壤处理法大于茎叶处理法。

通道参数对MPCA传播特性的影响分析

该文针对现有高功率微波武器辐射天线的不足,提出了将磁化等离子体通道用作电磁脉冲辐射天线的思想——磁化等离子体通道天线(MPCA),分析了MPCA周围为有耗气体媒质时MPCA所传播的一般模式。简单阐述了MPCA的具体实现方法,根据MPCA的工作原理,建立了MPCA的几何模型,导出了广义柱坐标系下磁化等离子体中纵向场所满足的波动方程及纵-横的关系,利用边界条件导出了MPCA严格的特征方程。重点讨论了MPCA的传播常数随等离子体通道参数(等离子体频率和通道半径)的变化。结果表明,强磁场时等离子体频率对天线衰减常数影响增大,且有一极值出现。

滑动模型MPCA在非线性系统故障监测与诊断中的应用

多向主元分析(MPCA)是一种应用于间歇生产过程故障监测与诊断的较为有效的方法,但由于其线性化建模特征以及本身的一些局限性,它在高度复杂的非线性系统的应用中往往难以保证故障诊断的准确性和实时性.结合MPCA方法的优缺点,提出一种滑动模型的MPCA方法,讨论了该方法的建模及其在故障监测与诊断中的应用,并采用对称式DTW算法解决了多元轨迹同步化的问题.在实际生产设备上的试验表明,该方法具有良好的精确性和实时性.

基于自组织神经网络与核密度估计的非线性MPCA在线故障监测

针对多向主元分析(MPCA)不能提取复杂的非线性系统变量间的非线性特性以及T2统计量置信限的确定是以主元得分呈正态分布为假设前提的情况,提出了一种基于自组织神经网络与核密度估计的非线性MPCA在线故障监测方法.该方法用自组织神经网络去提取变量间的非线性特征信息;用核概率密度函数去估计非线性主元的置信限.将该方法应用到β-甘露聚糖酶补料分批发酵过程的在线故障监测中,应用效果表明用非线性主元比用同样数目的线性主元能够获取更多的变量信息,并且用核密度估计置信限的方法比用参数估计的方法能更准确地对故障进行监测.

CUIMWMPCA方法及其在批过程故障监测中的应用

针对传统的多向主元分析(multiway principal component analysis,MPCA)批过程监测的缺陷,提出了一种连续更新的改进移动窗多向主元分析(consecutively updated improved moving window MPCA,CUIMWMPCA)方法。该方法采用连续更新的多模型非线性结构代替传统的MPCA固定的单模型线性化结构,一旦通过改进的移动窗多向主元分析(improved moving windowMPCA,IMWMPCA)判断出某一新批次过程正常,则模型参考数据库就随之更新。在实时监测新的批过程时,只需利用已收集到的数据信息,并且在线连续地更新模型参考数据库,提高了批过程性能监测的准确性,克服了MPCA不能处理非线性过程和实时性的问题。通过采用CUIMWMPCA与移动窗多向主元分析(moving windowMPCA,MWMPCA)方法对青霉素分批补料发酵过程的实时监测,结果表明CUIMWMPCA比MWMPCA更适合于对缓慢变化的批过程进行监测,具有更可靠的监测性能。