基于多模型外部分析和Greedy-KP1M的多工况过程监控

传统的基于多元统计过程监控方法都是假设过程处于单一工况下,而随着进料负荷、产品组分等过程参数的改变,生产过程的工况也随之改变,传统方法便不再适用。针对工业过程中的多工况监控问题,提出了一种基于多模型外部分析和Greedy-KP1M的多工况过程监控方法。首先针对传统外部分析方法描述能力不足的问题,用多模型局部建模代替单一模型来获得更好的描述能力,同时获得监控残差,通过对残差进行监控从而去除多工况的影响,进而将核单簇可能性聚类(KP1M)用于对残差的监控上。该方法拥有和支持向量数据描述(SVDD)相当的监控效果,但计算复杂度却远远小于SVDD。同时,采用Greedy方法提取特征样本,进一步降低了算法计算复杂度。最后将上述方法应用在TE模型和乙烯裂解炉的监控上,结果证明了该方法的有效性。