论文部分内容阅读
生产过程的安全性与产品质量的一致性一直是过程工业的两个重要主题。在理论研究方面，过程监控与诊断技术作为自动控制理论的一个重要分支，近年来已获得了很大的发展。在统计过程监控的应用早期，由于受测量技术以及数据存储技术和分析技术的限制，人们只能测量生产过程中的少数几个重要指标，并对这几个指标单独进行统计过程监控。这在某种程度上能够改进产品质量，但由于一些更重要的产品性能指标往往不能测量，只让少数几个被测量指标保持在规定的范围内，并不能真正保证产品的高质量和高性能。随着测量技术的发展，人们已经能够对越来越多的产品性能指标进行测量，同时用户对产品性能的定量要求也越来越严格，这就要求对许多产品性能指标和过程变量进行监视。
将多变量统计分析方法融入传统的统计过程监控，形成了多变量统计过程监控的基本框架。它采用多元投影的方法，将过程数据和质量数据从高维数据空间投影到低维特征空间，所得到的特征变量保留了原始数据的特征信息，摒弃了冗余信息，是一种高维数据分析处理的有效工具。在数据量大、数据维度高、变量间具有相关性的连续过程中，统计过程监控主要用于实现统计质量控制、过程监控、生产数据的分析挖掘、故障诊断等。常用的多变量统计分析方法包括主元分析（Principal Component Analysis）、主元回归（Principal Component Regression）、部分最小二乘（Partial Least Squares）等。
多元统计分析方法消除了变量间相互关联的问题，简化了对原始过程特性分析的复杂程度。新的映射空间在保留原始数据信息的情况下，通过有效选择投影空间中的主元个数，可以去除原始数据中的噪声，提高过程性能监视和故障诊断系统的鲁棒性。采用多元统计方法可以应用于监视生产过程的操作运行，检测异常事件的发生，找出引起异常事件发生的原因。
本文在对统计过程监控（SPC）综述的基础上介绍了SPC的基本概念、主要类型、基本方法、实施过程，以及其应用与发展的现状及发展特点。概述了几种用于多变量统计过程监控的数学工具，包括主元分析及多向主元分析、主元回归、部分最小二乘等方法。总结了多变量统计过程监控中的主要统计量和基本分析处理方法。将这些多变量统计分析方法应用于生产过程的监控和诊断中。应用的对象是在化工过程中经常使用的连续搅拌反应器，分别对两种故障类型的故障进行了监控和诊断研究。监控和诊断得到了正确的结论，验证了多变量统计分析方法的有效性，为生产中的推广使用打下了良好的基础。