《间歇过程统计建模及故障监测研究—— 针对数据多阶段特性》常鹏 知识产权出版社 2019/5/1

内容简介：

间歇过程是生物制药、精细化工和食品饮料行业中的主要生产方式，但是也因其间歇式的特点，存在着周期性批量生产、物料状态和操作参数呈现动态性、工艺控制要求高等特点。发酵过程是一种典型的间歇过程，发酵过程关乎经济发展和人民生活水平的提高，生物制药是国务院确立的七大战略性新兴产业之一，在京津冀一体化中将起到重要的支撑作用。本书围绕生物发酵过程的批次不等长特性、动态特性和多阶段特性，研究以往方法在进行监测时存在的问题，通过建立高效高精度过程监测模型，降低监测的误报率和漏报率，保障运行安全，做到及时捕捉发酵过程中各检测变量的变化，若发现监测故障，及时通知工作人员，工作人员通过调整发酵环境或暂停生产，尽可能提高产物质量、稳定生产或者减少损失，进而减少能源消耗和资源浪费。研究成果一旦获得推广，会极大地提高发酵过程生产的安全性，减少事故的发生和资源的浪费，创造较大的经济效益和社会效益。

目录：

摘要

Abstract

第1章绪论1

1.1本书研究背景及意义1

1.2发酵过程简介及特征分析3

1.3发酵过程的统计过程监测10

1.4本书的研究内容及章节安排17

第2章基于多阶段MPCA的间歇过程监测研究21

2.1引言21

2.2主元分析(PCA)22

2.3多向主元分析(MPCA)25

2.4基于改进AP聚类的间歇过程阶段划分方法研究27

2.5仿真验证与结果分析33

2.6本章小结42

第3章基于MAR-PCA的间歇过程监测研究43

3.1引言43

3.2动态性对过程监测的影响44

3.3基于MAR-PCA的间歇过程监测45

3.4MAR-PCA算法步骤48

3.5数值实例仿真研究50

3.6本章小结55

第4章多阶段MAR-PCA在间歇过程监测中的应用研究56

4.1引言56

4.2多阶段MAR-PCA算法56

4.3基于多阶段MAR-PCA的间歇过程在线监测59

4.4仿真研究与结果分析60

4.5本章小结65

第5章基于仿射传播聚类的批次加权阶段软化分66

5.1引言66

5.2反距离加权67

5.3基于改进AP的阶段软化分68

5.4仿真研究73

5.5本章小结78

第6章基于信息传递的采样点阶段归属判断80

6.1引言80

6.2信息传递81

6.3采样点阶段归属的初步选择83

6.4采样点阶段归属的最终判定84

6.5仿真研究86

6.6本章小结89

第7章基于子阶段自回归主元分析的发酵过程在线监测91

7.1引言91

7.2主元分析与自回归模型92

7.3发酵过程子阶段监测模型的建立95

7.4子阶段AR-PCA在线监测99

7.5仿真研究100

7.6本章小结110

第8章基于PDPSO优化的AP聚类阶段划分112

8.1引言112

8.2AP聚类算法113

8.3PDPSO算法113

8.4基于PDPSO优化的AP聚类算法阶段划分117

8.5仿真研究119

8.6本章小结120

第9章基于多阶段自回归主元分析的发酵过程监测122

9.1引言122

9.2主元分析与自回归模型123

9.3基于AR残差的MPCA模型126

9.4多阶段AR-PCA监测127

9.5多阶段AR-PCA监测模型的建立128

9.6仿真研究129

9.7大肠杆菌发酵现场实验与结果分析141

9.8本章小结150

第10章基于KPCA-PCA的多阶段间歇过程监控策略151

10.1引言151

10.2数据集的相似度理论152

10.3多阶段KPCA-PCA监控策略156

10.4仿真验证与应用研究165

10.5本章小结181

第11章基于GMM-DPCA的非高斯过程故障监控182

11.1引言182

11.2高斯混合模型(GMM)理论183

11.3基于GMM-DPCA的故障监控策略185

11.4基于GMM-DPCA监控策略的离线建模和新批次监控190

11.5应用研究191

11.6本章小结200

第12章基于KECA的间歇过程多阶段监测方法研究201

12.1引言201

12.2多阶段过程监测策略203

12.3构建多阶段的监测模型206

12.4算法验证209

12.5本章小结219

第13章间歇过程子阶段非高斯监测方法研究220

13.1引言220

13.2基于多阶段KEICA的间歇过程监测222

13.3算法验证228

13.4本章小结241

第14章总结与展望242

14.1总结242

14.2展望244

参考文献248