面向多时段间歇生产过程的统计分析及在线应用具有重要的应用价值。本项目在深入研究间歇过程多时段特性的基础上,从解决实际问题的角度出发,提出了一系列基于时段的间歇过程统计建模、在线监测和质量预测算法针对多时段间歇过程中的时段过渡现象,引入模糊时段的概念,提出了一种基于过渡的软时段划分方法;针对建模数据不充分的问题,首次提出批次与时间方向波动特性相结合的思想基于少量批次建模并实现了在线更新;对于慢时变间歇过程,从表征"相对变化"的批次间差分轨迹提取、训练慢时变运行模式本身,建立了鲁棒的监测模型;提出了Kernel ICA-PCA统计分析方法用于解决非线性时段划分并实现了kernel技术在间歇过程中的在线实时应用;针对"时段型质量指标",识别了影响质量的各个关键时段及其关键变量并分析了各个关键时段对于质量指标的平均作用效果;针对"过程型质量指标",分析了各个子时段对质量指标的局部影响力及其累积作用效果。上述算法在间歇过程实验系统及仿真研究中验证了其有效性与可靠性,从而丰富了间歇过程统计建模、在线监测及质量预测的研究成果,并揭示了进一步研究的必要和可能。
英文主题词multiphase batch processes, multivariate statistical analysis, statistical modeling, process monitoring, quality prediction.