專利名稱：雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于化工工業(yè)生產(chǎn)過程的安全監(jiān)測和質(zhì)量控制領(lǐng)域，特別涉及一種雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法。
背景技術(shù)：
隨著現(xiàn)代化工過程生產(chǎn)規(guī)模的日益擴(kuò)大，一種新型的廠級過程越來越引起人們的關(guān)注。針對廠級過程的建模、監(jiān)測和控制也隨之得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。一個(gè)典型的廠級過程通常包含多個(gè)操作單元、多個(gè)流程裝置，甚至囊括多個(gè)操作車間。如此復(fù)雜的大型化工過程，采用傳統(tǒng)的基于機(jī)理模型的監(jiān)測方法將會非常困難。相比之下，由于過程中積累了大量的數(shù)據(jù)，基于數(shù)據(jù)的建模和監(jiān)測方法更加適合與復(fù)雜大型的廠級過程。目前常用的廠級過程監(jiān)測方法大多都是建立在數(shù)據(jù)驅(qū)動模型的基礎(chǔ)上，在這一大類方法中，通常先將整個(gè)廠級過程按照操作單元和功能劃分為多個(gè)子模塊，然后分別針對不同的子模塊 建立基于數(shù)據(jù)的監(jiān)測模型對過程進(jìn)行分塊監(jiān)測。但是，該類方法往往忽略了子模塊之間的相互關(guān)系，而這種關(guān)系有可能影響到整個(gè)廠級過程的監(jiān)測性能。因此，如果能在子模塊數(shù)據(jù)建模的基礎(chǔ)上，再對它們之間的相互關(guān)系建立一個(gè)模型，將會大大提高數(shù)據(jù)模型對廠級過程信息的捕捉能力。同時(shí)，基于一個(gè)雙層數(shù)據(jù)模型的監(jiān)測系統(tǒng)，將會對廠級過程的全局和局部操作狀態(tài)同時(shí)作出實(shí)時(shí)監(jiān)測，非常有利于廠級過程的自動化實(shí)施。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有廠級過程監(jiān)測方法的不足，提供一種雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法。本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的一種雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，包括以下步驟(I)利用集散控制系統(tǒng)收集廠級化工過程的數(shù)據(jù)組成建模用的訓(xùn)練數(shù)據(jù)樣本集X e Rnx'其中，n為樣本數(shù)據(jù)集的個(gè)數(shù)，m為樣本數(shù)據(jù)集的變量個(gè)數(shù)。(2)將整個(gè)廠級過程數(shù)據(jù)集X e Rnxm分為不同的子模塊X6，其中b=l，2，…，B為子模塊的序號，B為總的子模塊個(gè)數(shù)。將這些子模塊數(shù)據(jù)集存入數(shù)據(jù)庫備用。(3)針對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集，對其進(jìn)行歸一化處理，建立基于主元分析的數(shù)據(jù)統(tǒng)計(jì)監(jiān)測模型，提取主元信息，建立子模塊的監(jiān)測統(tǒng)計(jì)量及其監(jiān)測限。( 4 )得到各個(gè)子模塊的主元信息之后，對其重新進(jìn)行排列，組合成新的數(shù)據(jù)集用于構(gòu)建第二層數(shù)據(jù)統(tǒng)計(jì)分析模型。(5)針對混合主元信息的新數(shù)據(jù)矩陣，采用單類支持向量機(jī)對其進(jìn)行建模，建立各個(gè)子模塊之間的關(guān)系模型，完成廠級過程的整體建模和監(jiān)測。(6)收集新的過程數(shù)據(jù)，并對其進(jìn)行預(yù)處理和歸一化。(7)將新的過程數(shù)據(jù)劃分為多個(gè)子模塊，輸入到子模塊主元模型中，計(jì)算相應(yīng)的主元成分。
(8)重新組合不同子模塊的主元信息，將新的數(shù)據(jù)矩陣輸入到單類支持向量機(jī)模型中，計(jì)算相應(yīng)的監(jiān)測統(tǒng)計(jì)量值，判斷當(dāng)前過程的運(yùn)行狀態(tài)。本發(fā)明的有益效果是本發(fā)明通過對廠級過程構(gòu)建雙層數(shù)據(jù)統(tǒng)計(jì)分析模型，克服了傳統(tǒng)分塊建模方法的缺陷，建立了廠級過程中各個(gè)子模塊之間的關(guān)系模型，并引入單類支持向量機(jī)構(gòu)建一個(gè)新的距離統(tǒng)計(jì)量用于過程監(jiān)測。相比目前的其它廠級過程監(jiān)測方法，本發(fā)明不僅可以在各個(gè)子模塊內(nèi)對過程的各個(gè)單元進(jìn)行監(jiān)測，而且可以有效地結(jié)合廠級過程各個(gè)子模塊之間的關(guān)系信息，利用第二層數(shù)據(jù)模型對整個(gè)廠級過程的全局進(jìn)行監(jiān)測，大大提高了廠級化工過程的監(jiān)測性能，非常有利于廠級過程工業(yè)自動 化的擴(kuò)展和實(shí)施。


圖I是廠級化工過程的流程圖；圖2是本發(fā)明方法中對廠級過程中正常數(shù)據(jù)集的監(jiān)測結(jié)果；圖3是本發(fā)明方法中對廠級過程中異常數(shù)據(jù)集的監(jiān)測結(jié)果；圖4是傳統(tǒng)主元分析模型中對廠級過程中異常數(shù)據(jù)集的監(jiān)測結(jié)果。
具體實(shí)施例方式本發(fā)明針對廠級化工過程的監(jiān)測問題，首先利用集散控制系統(tǒng)收集該過程的數(shù)據(jù)，對其進(jìn)行必要的預(yù)處理和歸一化，然后將整個(gè)過程數(shù)據(jù)集分為不同的子模塊。針對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集，分別建立一個(gè)的主元分析模型，并建立監(jiān)測統(tǒng)計(jì)量的控制限。得到各個(gè)子模塊數(shù)據(jù)集對應(yīng)的主元信息之后，將其重新組合成新的數(shù)據(jù)集，然后采用單類支持向量機(jī)對其進(jìn)行建模。對新的過程數(shù)據(jù)進(jìn)行監(jiān)測的時(shí)候，同樣將該數(shù)據(jù)分為不同的子模塊，利用每一個(gè)子模塊建模數(shù)據(jù)的均值和標(biāo)準(zhǔn)差對其進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)數(shù)據(jù)之后，再利用各個(gè)子模塊的主元分析模型計(jì)算新數(shù)據(jù)在不同子模塊中的主元信息。將子模塊中得到的所有主元信息重新組合，輸入到第二層的單類支持向量機(jī)模型中，計(jì)算距離監(jiān)測統(tǒng)計(jì)量的值，實(shí)現(xiàn)對廠級過程的全局監(jiān)測。本發(fā)明采用的技術(shù)方案的主要步驟分別如下第一步利用集散控制系統(tǒng)收集廠級化工生產(chǎn)過程的數(shù)據(jù)組成建模用的二維訓(xùn)練樣本集X e Rnx'其中，Π為樣本數(shù)據(jù)集的個(gè)數(shù)，m為樣本數(shù)據(jù)集的變量個(gè)數(shù)，R為實(shí)數(shù)。第二步按照過程的操作單元類型和相關(guān)的功能屬性，將步驟I得到的二維訓(xùn)練樣本集X e Rnxm分為不同的子模塊-JifRnxmb，其中b=l，2，…，B，為子模塊的序號，B為總的子模塊個(gè)數(shù)。將這些子模塊數(shù)據(jù)集存入數(shù)據(jù)庫備用。第三步針對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集，對其進(jìn)行歸一化處理，建立基于主元分析的數(shù)據(jù)統(tǒng)計(jì)監(jiān)測模型，提取主元信息，建立子模塊的監(jiān)測統(tǒng)計(jì)量及其監(jiān)測限。對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集X, e Rnxn\h=l, 2，…，B進(jìn)行預(yù)處理和歸一化，即使得各個(gè)過程變量的均值為零，方差為1，得到新的數(shù)據(jù)矩陣集。該步驟的主要目的是為了使得過程數(shù)據(jù)的尺度不會影響到監(jiān)測的結(jié)果。通過歸一化之后，不同過程變量的數(shù)據(jù)就處在相同的尺度之下，既而不會影響到后續(xù)的監(jiān)測效果。然后，對該數(shù)據(jù)集進(jìn)行主元分析，把原空間分為主元空間和殘差空間，選取合適的主元個(gè)數(shù)，得到的載荷矩陣Pb和得分矩陣Tb，并獲得建模的殘差，即
X6=T6-P5r+f6-Pj在主元分析模型的基礎(chǔ)上，通過構(gòu)造以下兩個(gè)統(tǒng)計(jì)量T2和SPE來實(shí)現(xiàn)對各個(gè)子模塊內(nèi)部的監(jiān)測Tl = tTbAbth,SPEb =e'e ,其中，為子模塊得分矩陣Tb中的向量，對應(yīng)于一個(gè)子模塊數(shù)據(jù)的主元變量，= X6 - = - P t,為該數(shù)據(jù)的估計(jì)殘差。為了對數(shù)據(jù)的狀態(tài)進(jìn)行監(jiān)測，我們需要建立Γ
和SPEb統(tǒng)計(jì)量的監(jiān)測統(tǒng)計(jì)限I211111和SPEb, lim，即
「nri9sl T2 =丨、人"~ ^ !<' ■6細(xì)-n_K ^-^SPEbXm=gbXla,其中，F(xiàn)代表F形式的統(tǒng)計(jì)分布，X2為X2形式的統(tǒng)計(jì)分布，α為統(tǒng)計(jì)置信度，·gb=var (SPEb) / [2mean (SPEb) ], hb=2 [mean (SPEb) ]2/var (SPEb),其中 mean (SPEb)和 var (SPEb)分別為SPEb統(tǒng)計(jì)量的均值和方差。分別對b=l，2，…，B的不同子模塊進(jìn)行建模，完成第一層數(shù)據(jù)模型的構(gòu)建。第四步得到各個(gè)子模塊的主元信息T6 € R' b=l, 2，…，B之后，對其重新進(jìn)行排
列，組合成新的數(shù)據(jù)集用于構(gòu)建第二層數(shù)據(jù)統(tǒng)計(jì)分析模型，即Tram-[T1T2 …Tf Tb]。第五步針對混合主元信息的新數(shù)據(jù)矩陣，采用單類支持向量機(jī)對其進(jìn)行建模，建立各個(gè)子模塊之間的關(guān)系模型，完成廠級過程的整體建模和監(jiān)測。針對二維混合主元數(shù)據(jù)矩陣T·，建立單類支持向量機(jī)數(shù)據(jù)分析模型。首先利用非線性函數(shù)將過程數(shù)據(jù)投影到高維特征空間中，即^」^Φ( ,.)，單類支持向量機(jī)通過求解下面的優(yōu)化命題建立模型—
I=Iλ./.||Φ( ;) - a||2 < R1 -I-ζ,￠: > O / = 1.2,···,η其中，R和a分別是高維特征空間中超球體的半徑和球心，Φ Ui)為非線性投影函數(shù)，C為單類支持向量機(jī)參數(shù)，通過此參數(shù)，單類支持向量機(jī)會在超球體的體積和樣本的錯(cuò)分率之間取得平衡，ξ為每個(gè)樣本的松弛變量。在實(shí)際的求解過程中，通常采用以下的對偶命題來構(gòu)造單類支持向量機(jī)，即
ηη η
7 i=l =\ f=lS.L 0<α: <(\^GCi = I
=1其中，K(Ltj)=〈Φ (tj，Φ (tj)>是核函數(shù),通常選取為高斯核函數(shù)的形式，α為每個(gè)樣本對應(yīng)的系數(shù)，即拉格朗日乘子。單類支持向量機(jī)的建模結(jié)果是大部分樣本對應(yīng)的α值為零，只有小部分關(guān)鍵樣本對應(yīng)的α值不為零，這些樣本被稱為支持向量。在高維特征空間中，求取超球體的的球心和半徑如下a 二
仁I
Λ= |l —2 文or,X(t0，t,) +文文α, (Κ.) ’
V *=ι :ι ./=1其中，t0為單類向量機(jī)模型中的其中一個(gè)支持向量。第六步收集新的過程數(shù)據(jù)，并對其進(jìn)行預(yù)處理和歸一化。第七步將新的過程數(shù)據(jù)劃分為多個(gè)子模塊，輸入到子模塊主元模型中，計(jì)算相應(yīng)的主元成分。首先，將新的過程數(shù)據(jù)xn 劃分為多個(gè)子模塊，即X· =Ix ' χΓ · · …] 將不同的子模塊數(shù)據(jù)向量輸入到對應(yīng)的子模塊主元模型中，計(jì)算相應(yīng)的主元成分如下t = pfxr,tr' 二 ρ2γ <Γ，· · ·，Cr=pW第八步重新組合不同子模塊的主元信息，將新的數(shù)據(jù)矩陣輸入到單類支持向量機(jī)模型中，計(jì)算相應(yīng)的監(jiān)測統(tǒng)計(jì)量值，判斷當(dāng)前過程的運(yùn)行狀態(tài)。將各個(gè)子模塊數(shù)據(jù)向量對應(yīng)的主元信息組合如下c = [P1^r…Ρ>Γ …Pi^r]，在此基礎(chǔ)上，將得到的新主元混合數(shù)據(jù)向量t:輸入到單類支持向量機(jī)模型中，在高維空間中，計(jì)算該數(shù)據(jù)向量到超球體球心的距離，即Dnmv = {Φ )) = \\φ( )-a|| = Ι -2±αΜ ΖΛ) + ΣΣ^Κ(^)，
y i=lJ-I當(dāng)DnOT ( Dliffl=R時(shí)，說明廠級過程的運(yùn)行狀態(tài)良好，當(dāng)前沒有故障發(fā)生，相反，如果Dnew>Dlim=R時(shí)，說明該監(jiān)測統(tǒng)計(jì)量已經(jīng)超越其統(tǒng)計(jì)控制限，廠級過程有可能發(fā)生了某種故障，需要給過程提供報(bào)警信息。下面結(jié)合一個(gè)具體的廠級化工生產(chǎn)過程例子來說明本發(fā)明方法的有效性。該過程的流程圖如圖I所示，整個(gè)過程由5個(gè)不同的操作單元組成。選取33個(gè)主要過程變量用于該廠級過程的監(jiān)測，如表I所示，按照過程操作單元功能和變量的對應(yīng)信息，將監(jiān)測變量劃分為3個(gè)不同的子模塊，這是因?yàn)槠渲杏袃蓚€(gè)操作單元的變量過少，并且和相鄰的操作單元耦合性較強(qiáng)，因此將他們劃入到其它的操作單元中。在過程中一共采集960個(gè)數(shù)據(jù)點(diǎn)用于建模，接下來結(jié)合該具體過程對本發(fā)明的實(shí)施步驟進(jìn)行詳細(xì)地闡述I.收集過程數(shù)據(jù)，數(shù)據(jù)預(yù)處理，廠級過程分塊，子模塊主元分析模型構(gòu)建(第一層數(shù)據(jù)模型構(gòu)建)對收集到的960個(gè)有效正常數(shù)據(jù)樣本進(jìn)行預(yù)處理，去掉均值和方差，并將其分為三個(gè)不同的子模塊，分別對應(yīng)16個(gè)、10個(gè)和7個(gè)過程變量。這樣，得到的子模塊數(shù)據(jù)集分別為X1 e R960x16, X2 e R96qxiq和X3 e R960x70然后，分別針對每一個(gè)子模塊數(shù)據(jù)集，建立其主元統(tǒng)計(jì)分析模型，利用累積方差貢獻(xiàn)率原則，即主元的累積數(shù)據(jù)解釋程度超過85%，選取的主元個(gè)數(shù)分別為11個(gè)、5個(gè)和3個(gè)，累積方差貢獻(xiàn)率分別為88. 72%,91. 64%和90. 54%。另夕卜，各個(gè)主元分析模型得到的T2和SPE統(tǒng)計(jì)量的統(tǒng)計(jì)限分別為25. 1908和8. 3297 (第一個(gè)子模塊)，15. 2452和4. 9734 (第二個(gè)子模塊)，11. 4300和5. 6033 (第三個(gè)子模塊)。2.基于單類支持向量機(jī)的廠級過程全局建模(第二層數(shù)據(jù)模型構(gòu)建)
將各個(gè)子模塊得到的主元信息重新進(jìn)行組合，得到以下新的主元數(shù)據(jù)矩陣，利用單類支持向量機(jī)對其進(jìn)行建模，在高維空間中確定超球體的球心的位置和半徑的大小。選取參數(shù)的時(shí)候，使得錯(cuò)分率控制在1%左右，這樣所得的監(jiān)測統(tǒng)計(jì)量就代表了 99%的置信限。在高維特征空間中，最終得到的超球體的半徑大小為O. 7059。3.獲取當(dāng)前監(jiān)測數(shù)據(jù)信息，并對其進(jìn)行預(yù)處理和歸一化為了測試新方法的有效性，分別對正常數(shù)據(jù)集和異常數(shù)據(jù)集進(jìn)行測試，其中，正常數(shù)據(jù)集包含500個(gè)數(shù)據(jù)點(diǎn)，異常數(shù)據(jù)集包含960個(gè)數(shù)據(jù)點(diǎn)(其中前面160個(gè)為正常數(shù)據(jù)，之后800個(gè)為異常數(shù)據(jù))，首先是利用模型庫中的均值和方差對其進(jìn)行歸一化處理，使得該測試數(shù)據(jù)和建模數(shù)據(jù)具有相同的尺度。4.廠級化工生產(chǎn)過程的在線監(jiān)測首先將正常數(shù)據(jù)集中的每一個(gè)測試數(shù)據(jù)分為三個(gè)不同的子模塊數(shù)據(jù)向量，利用各個(gè)子模塊對應(yīng)的主元分析模型對其進(jìn)行主元信息提取。得到各個(gè)子模塊的主元信息之后， 對其重新進(jìn)行組合，輸入到單類支持向量機(jī)模型中，在高維特征空間中，計(jì)算其與超球體球心的距離，即距離統(tǒng)計(jì)量的值，并與半徑相比較，得到實(shí)時(shí)監(jiān)測結(jié)果，如圖2所示。由該圖可以看出，雙層數(shù)據(jù)模型對正常數(shù)據(jù)的監(jiān)測結(jié)果還是比較滿意的，誤報(bào)的數(shù)據(jù)量基本在1%左右，符合建模的假設(shè)。接下來對異常數(shù)據(jù)集進(jìn)行監(jiān)測，結(jié)果如圖3所示，由圖中可以看出，從160個(gè)采樣點(diǎn)之后，雙層數(shù)據(jù)模型已經(jīng)成功監(jiān)測到廠級過程的異常，并在之后持續(xù)給出報(bào)警信息。相比之下，如果我們采用傳統(tǒng)的主元分析模型進(jìn)行監(jiān)測的話，監(jiān)測性能將會大大降低，如圖4所示。這也說明了我們在第二層數(shù)據(jù)建模時(shí)弓I入單類支持向量機(jī)是合適的，也是有效的。表I :廠級過程監(jiān)測變量列表
權(quán)利要求
1.一種雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，包括以下步驟 (1)利用集散控制系統(tǒng)收集廠級化工過程的數(shù)據(jù)組成建模用的訓(xùn)練數(shù)據(jù)樣本集X e Rnx'其中，n為樣本數(shù)據(jù)集的個(gè)數(shù)，m為樣本數(shù)據(jù)集的變量個(gè)數(shù)。
(2)將整個(gè)廠級過程數(shù)據(jù)集XeRnXm分為不同的子模塊XW、，其中b = l，2，…，B為子模塊的序號，B為總的子模塊個(gè)數(shù)。將這些子模塊數(shù)據(jù)集存入數(shù)據(jù)庫備用。
(3)針對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集，對其進(jìn)行歸一化處理，建立基于主元分析的數(shù)據(jù)統(tǒng)計(jì)監(jiān)測模型，提取主元信息，建立子模塊的監(jiān)測統(tǒng)計(jì)量及其監(jiān)測限。
(4)得到各個(gè)子模塊的主元信息之后，對其重新進(jìn)行排列，組合成新的數(shù)據(jù)集用于構(gòu)建第二層數(shù)據(jù)統(tǒng)計(jì)分析模型。
(5)針對混合主元信息的新數(shù)據(jù)矩陣，采用單類支持向量機(jī)對其進(jìn)行建模，建立各個(gè)子模塊之間的關(guān)系模型，完成廠級過程的整體建模和監(jiān)測。
(6)收集新的過程數(shù)據(jù)，并對其進(jìn)行預(yù)處理和歸一化。
(7)將新的過程數(shù)據(jù)劃分為多個(gè)子模塊，輸入到子模塊主元模型中，計(jì)算相應(yīng)的主元成分。
(8)重新組合不同子模塊的主元信息，將新的數(shù)據(jù)矩陣輸入到單類支持向量機(jī)模型中，計(jì)算相應(yīng)的監(jiān)測統(tǒng)計(jì)量值，判斷當(dāng)前過程的運(yùn)行狀態(tài)。
2.根據(jù)權(quán)利要求I所述雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，所述步驟(2)具體為將整個(gè)數(shù)據(jù)集X e Rnxm按照不同的操作單元和功能屬性，劃分為各個(gè)子模塊，即X= [X1X2 …Xb …Xb], 其中b = 1，2，…，B為子模塊的序號，B為總的子模塊個(gè)數(shù)。
3.根據(jù)權(quán)利要求I所述雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，所述步驟(3)具體為針對每一個(gè)子模塊對應(yīng)的數(shù)據(jù)集，首先對其進(jìn)行歸一化處理，即去掉每個(gè)數(shù)據(jù)變量的均值和方差，然后建立主元分析模型，具體可以通過對協(xié)方差矩陣 =進(jìn)行特征值分解實(shí)現(xiàn)。通過主元分析，可以把原空間分為主元空間和殘差空間，得到的載荷矩陣Ph 和得分矩陣TieffA如下
4.根據(jù)權(quán)利要求I所述雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，所述步驟(4)具體為得到各個(gè)子模塊的主元信息T6eir*%b=l，2，一，B之后，對其重新進(jìn)行排列，組合成新的數(shù)據(jù)集T·用于構(gòu)建第二層數(shù)據(jù)統(tǒng)計(jì)分析模型，即Tcom- [TlT2…Tb…Tb]。
5.根據(jù)權(quán)利要求I所述雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，所述步驟(5)具體為針對混合主元信息的新數(shù)據(jù)矩陣T。》，采用單類支持向量機(jī)對其進(jìn)行建模，建立各個(gè)子模塊之間的關(guān)系模型，完成廠級過程的整體建模和監(jiān)測。首先利用非線性函數(shù)將中的每一個(gè)數(shù)據(jù)投影到高維特征空間中，即，其中，ti為τ_中的一個(gè)數(shù)據(jù)向量，單類支持向量機(jī)通過求解下面的優(yōu)化命題建立模型
6.根據(jù)權(quán)利要求I所述雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法，其特征在于，所述步驟(7)和(8)具體為將新的過程數(shù)據(jù)X-劃分為多個(gè)子模塊，輸入到子模塊主元模型中，計(jì)算相應(yīng)的主元成分，即
全文摘要
本發(fā)明公開了一種雙層數(shù)據(jù)模型驅(qū)動的廠級化工過程監(jiān)測方法。本發(fā)明在分塊建模的基礎(chǔ)上，通過構(gòu)建一個(gè)雙層數(shù)據(jù)統(tǒng)計(jì)分析模型，完成子模塊之間關(guān)系的建模，從而實(shí)現(xiàn)廠級過程的全局監(jiān)測。相比目前的其它廠級過程監(jiān)測方法，本發(fā)明不僅可以在各個(gè)子模塊內(nèi)對過程的各個(gè)單元進(jìn)行監(jiān)測，而且可以有效地結(jié)合廠級過程各個(gè)子模塊之間的關(guān)系信息，利用第二層數(shù)據(jù)模型對整個(gè)廠級過程的全局進(jìn)行監(jiān)測，大大提高了廠級化工過程的監(jiān)測性能，非常有利于廠級過程工業(yè)自動化的擴(kuò)展和實(shí)施。
文檔編號G05B19/418GK102880151SQ20121038702
公開日2013年1月16日 申請日期2012年10月11日 優(yōu)先權(quán)日2012年10月11日
發(fā)明者葛志強(qiáng), 宋執(zhí)環(huán) 申請人:浙江大學(xué)