基于广义相关系数法的MPCA在线监控方法

针对多向主元分析法(MPCA)在线监控传统方法的预测能力差而常常导致误报、漏报的实际情况,基于广义相关系数法提出一种在线监控方法。从监控模型库中找出与待测多元轨迹之间广义相关系数最大的批次,将该批次监控时间点后的数据作为待测多元轨迹的预测值,得出完整的批次数据,并用多向主元分析法进行监控。用青霉素发酵过程仿真器(Pensimv2.0)进行仿真,结果表明,基于广义相关系数法的在线监控方法与其他传统方法相比,其结果最接近实际过程离线,并减少了由于其他预测方法带来的误差。

一种基于新型数据预测方法的MICA仿真研究

在多元统计过程监控中,为解决因未知过程数据统计分布而产生误报漏报的现象,提出一种结合多向独立元分析法(MICA)和广义相关系数(GCC)数据预测的综合方法,进行在线监控过程的仿真。MICA分析方法能有效分解各变量的关联关系,且不需考虑建模数据是否符合正态分布,用此方法计算的独立元变量能更好地描述过程的变化规律。为提高预报未来过程故障的能力,提出用广义相关系数法进行数据预测:确定与运行轨迹相似的监控模型库中的轨迹,并使其相应部分承接于运行轨迹之后。现场采集聚氯乙烯聚合过程的数据进行仿真,仿真结果显示:对于在线监控和在线故障诊断方面,这种新型预测方法优于其它传统处理预测问题的方法。