改进的MPCA批过程在线监测方法

针对多向主元分析(MPCA)方法用于批过程在线监测时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且需要建模批次的长度相等的缺陷,提出了一种基于变量展开和主元协方差随时间变化的MPCA方法。该方法按变量展开,不需要对新批次未反应完的数据进行预估,而数据之间的动态联系通过时变主元协方差得以保存,并且不需要建模批次的长度相等。将该方法应用于β-甘露聚糖酶发酵批过程实时监测中,并与MPCA、移动窗多向主元分析(MWMPCA)法相比,结果表明该方法克服了MPCA不能处理实时性的问题,避免了MPCA在线应用时预测值的误差,比传统的MPCA,MWMPCA方法更能精确描述过程的故障,准确性和实时性良好。

改进的MPCA及其在批过程实时故障监测中的应用

针对多向主元分析(MPCA)模型批过程在线监测的缺陷,提出了一种基于变量展开和主元协方差随时间变化的MPCA方法,该方法按变量展开,不需要对新批次未反应完的数据进行预估,而数据之间的动态联系通过时变主元协方差得以保存,并且不需要建模批次的长度相等;将该方法应用于青霉素补料分批发酵过程的实时监测中,结果表明该方法比传统的MPCA方法具有更可靠的监测性能。

基于变量展开和时变协方差的连续更新的MPCA及其在批过程故障监测中的应用(英文)

针对传统的多向主元分析(MPCA)模型批过程监测的缺陷,提出了一种基于变量展开和协方差随时间变化的连续更新的MPCA批过程故障监测方法。该方法将基于批次展开能够去除采样数据的主要非线性动态性的优点与基于变量展开不需要对被监测的新批次的未反应完的数据进行预估的优点结合起来,用于批过程的故障监测,一旦因此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问题。通过采用该方法与传统的MPCA方法对青霉素补料分批发酵过程的实时监测,结果表明该方法比传统的MPCA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。