數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程魯棒監(jiān)測(cè).pdf

1、隨著工業(yè)4.0時(shí)代的到來(lái)，現(xiàn)代工業(yè)自動(dòng)化系統(tǒng)不斷朝著復(fù)雜化、信息化和智能化的趨勢(shì)發(fā)展。過(guò)程監(jiān)測(cè)作為保障產(chǎn)品質(zhì)量，過(guò)程生產(chǎn)安全和外部環(huán)境友好的關(guān)鍵技術(shù)，是現(xiàn)代工業(yè)系統(tǒng)不可或缺的重要組成部分。在實(shí)際過(guò)程中，過(guò)程數(shù)據(jù)，變量和系統(tǒng)本身的各種復(fù)雜因素對(duì)現(xiàn)有的數(shù)據(jù)驅(qū)動(dòng)模型魯棒監(jiān)測(cè)提出了挑戰(zhàn)。數(shù)據(jù)復(fù)雜性問(wèn)題指離群點(diǎn)、缺失值和大數(shù)據(jù)，而變量的復(fù)雜特性主要指非高斯性、動(dòng)態(tài)性以及時(shí)變性。除了數(shù)據(jù)和變量的復(fù)雜性，過(guò)程系統(tǒng)本身的復(fù)雜性主要體現(xiàn)在廠級(jí)過(guò)程系統(tǒng)的大

2、規(guī)模性，并且廠級(jí)系統(tǒng)需要不斷進(jìn)行局部工藝維護(hù)更新。因此系統(tǒng)復(fù)雜性問(wèn)題關(guān)系到數(shù)據(jù)和變量的特性也會(huì)導(dǎo)致顯著的性能魯棒性問(wèn)題。本文針對(duì)這些問(wèn)題，在數(shù)據(jù)驅(qū)動(dòng)框架下，以概率方法為主要思路，系統(tǒng)性地提出了一套對(duì)數(shù)據(jù)、變量與過(guò)程系統(tǒng)的復(fù)雜特性具有魯棒特點(diǎn)的統(tǒng)計(jì)過(guò)程監(jiān)測(cè)模型:
　　(1)針對(duì)產(chǎn)品質(zhì)量預(yù)報(bào)過(guò)程中同時(shí)存在的過(guò)程變量離群點(diǎn)以及過(guò)程的多模態(tài)特性。提出了一種基于t分布的混合魯棒概率主元回歸方法。t分布作為高斯分布的更一般形式，其重尾特性可以

3、很好地適應(yīng)過(guò)程的離群點(diǎn)，因而其模型魯棒性也更加優(yōu)越。進(jìn)一步地，針對(duì)過(guò)程質(zhì)量變量建模過(guò)程中由于難以獲取而存在的多采樣率問(wèn)題，進(jìn)一步地對(duì)上述方法引入了半監(jiān)督的改進(jìn)機(jī)制。魯棒半監(jiān)督模型的提出可以有效改善在過(guò)程變量具有離群點(diǎn)以及質(zhì)量變量具有多采樣率的復(fù)雜情形下的魯棒建模與質(zhì)量預(yù)報(bào)問(wèn)題。
　　(2)針對(duì)過(guò)程數(shù)據(jù)同時(shí)存在離群點(diǎn)，缺失值以及非高斯性的問(wèn)題，提出了一種混合魯棒概率主元分析的建模與故障檢測(cè)方法。除了對(duì)離群點(diǎn)提出了一種基于t分布的概率

4、主元分析建模方法外，還針對(duì)缺失值問(wèn)題提出了一種部分更新的概率建模思路，最后建立了混合t分布模型來(lái)處理過(guò)程的非高斯特性。這樣一來(lái)，過(guò)程數(shù)據(jù)的離群點(diǎn)，缺失值和非高斯特性都可以在所提出的魯棒概率框架下得到有效地解決。在過(guò)程監(jiān)測(cè)方面，提出了相應(yīng)的統(tǒng)計(jì)量并基于貝葉斯融合方法提出了混合魯棒模型的全局統(tǒng)計(jì)指標(biāo)。
　　(3)工業(yè)過(guò)程通常還同時(shí)存在著動(dòng)態(tài)性問(wèn)題。針對(duì)這類問(wèn)題提出了兩種魯棒動(dòng)態(tài)模型建模方案并分別用于過(guò)程故障檢測(cè)與故障分類。首先提出了一

5、種基于t分布的魯棒線性動(dòng)態(tài)系統(tǒng)方法。在建模方面提出了一種貝葉斯建模方法對(duì)參數(shù)進(jìn)行優(yōu)化;在推理方面提出了使用卡爾曼濾波來(lái)估計(jì)隱狀態(tài)空間并且推導(dǎo)了基于變分貝葉斯方法的參數(shù)學(xué)習(xí)方案;在過(guò)程監(jiān)測(cè)方面，提出了一種基于雙高斯混合的統(tǒng)計(jì)量構(gòu)建方法，可以有效解決魯棒模型的統(tǒng)計(jì)量設(shè)計(jì)問(wèn)題并應(yīng)用于故障檢測(cè)。在魯棒故障分類器建模方面，提出了一種基于隱馬爾科夫模型的魯棒概率主元分析模型，將靜態(tài)的混合魯棒概率主元分析通過(guò)對(duì)隱空間的指示狀態(tài)增加一階馬爾科夫特性表示

6、成為動(dòng)態(tài)形式。與傳統(tǒng)的隱馬爾科夫模型相比，魯棒性得到了提高，并且能很好地對(duì)動(dòng)態(tài)過(guò)程進(jìn)行故障分類。
　　(4)過(guò)程監(jiān)測(cè)統(tǒng)計(jì)模型除了對(duì)數(shù)據(jù)質(zhì)量的魯棒性外，對(duì)變量的高斯/非高斯混雜情形也需要考慮模型的性能魯棒性問(wèn)題?？紤]到傳統(tǒng)獨(dú)立成分分析方法只是關(guān)注于數(shù)據(jù)分布的非高斯性，而傳統(tǒng)的主元分析則偏向高斯數(shù)據(jù)建模，因而對(duì)于數(shù)據(jù)的高斯/非高斯混雜情形，上述兩種方法的建模方法由于沒(méi)有魯棒的信息表示與提取機(jī)制因而監(jiān)測(cè)性能均會(huì)不同程度的降低。為此，提出

7、了一種概率獨(dú)立成分分析的方法，能夠同時(shí)提取并靈活表示混雜分布中的高斯/非高斯信息，因而對(duì)高斯/非高斯混雜分布建模情形的信息表示和提取性能更強(qiáng)。為了對(duì)高斯殘差空間的有效信息進(jìn)行分析，進(jìn)一步使用概率主元分析進(jìn)行殘差建模與監(jiān)測(cè)。仿真表明所提出的模型能夠有效運(yùn)用于各種高斯/非高斯混雜變量分布情形過(guò)程的建模并且監(jiān)測(cè)，并具有很好的性能魯棒性。
　　(5)針對(duì)傳統(tǒng)統(tǒng)計(jì)建模與監(jiān)測(cè)方法在面對(duì)同時(shí)具有多工況以及時(shí)變特性的失效問(wèn)題，提出了一種具有魯棒特

8、點(diǎn)的基于遞推混合因子分析的在線監(jiān)測(cè)與更新方案。為了實(shí)現(xiàn)遞推更新的過(guò)程，首先推導(dǎo)了一般遞推期望最大化框架下的遞推混合因子模型的實(shí)現(xiàn)方法，基于此提出了一種基于貝葉斯機(jī)制的模型成分選擇與更新方法，能夠在不需要過(guò)程模態(tài)的先驗(yàn)知識(shí)的條件下很好的對(duì)多模態(tài)數(shù)據(jù)進(jìn)行遞推學(xué)習(xí)與隱變量模型建模。另外，針對(duì)監(jiān)測(cè)過(guò)程中分布發(fā)生的時(shí)變特性而導(dǎo)致性能降低的問(wèn)題又提出了一套魯棒的時(shí)變過(guò)程在線監(jiān)測(cè)方案，從而使遞推概率模型能夠在過(guò)程工藝發(fā)生改變并新增模態(tài)以及設(shè)備性能發(fā)生

9、改變的情形下依然能保持合理的模型在線更新并進(jìn)行異常監(jiān)測(cè)。
　　(6)針對(duì)廠級(jí)過(guò)程的大規(guī)模性以及需要不斷局部更新維護(hù)的特點(diǎn)，提出了基于魯棒分布式思想的建模與監(jiān)測(cè)方案。傳統(tǒng)的集中式建模不同，魯棒分布式建模關(guān)注于分布式局部單元建模并通過(guò)貝葉斯融合的方式進(jìn)行多層可視化統(tǒng)計(jì)決策分析，從而系統(tǒng)需要更新維護(hù)時(shí)也只需要考慮局部分布式子模型的更新。由于不影響其他局部模型的監(jiān)測(cè)性能，因此既提高了分布式計(jì)算效率，又增加了應(yīng)對(duì)局部模型變化時(shí)全局監(jiān)測(cè)性能的

10、魯棒性?；诖耍岢隽艘环N魯棒分布式貝葉斯網(wǎng)絡(luò)的廠級(jí)過(guò)程建模與監(jiān)測(cè)方案。在建模方面，首先提出對(duì)局部單元通過(guò)數(shù)據(jù)驅(qū)動(dòng)方式建立分布式貝葉斯網(wǎng)絡(luò)，然后提出了分布式網(wǎng)絡(luò)融合的方法;在監(jiān)測(cè)方面，提出了基于缺失數(shù)據(jù)思想的變量重構(gòu)方法并基于貝葉斯融合算法分別設(shè)計(jì)并提出了針對(duì)變量，分布式單元塊以及廠級(jí)過(guò)程的多層統(tǒng)計(jì)監(jiān)測(cè)指標(biāo)，實(shí)現(xiàn)了對(duì)廠級(jí)過(guò)程的具有可視化特點(diǎn)的分布式多層次監(jiān)測(cè)的方案。廠級(jí)過(guò)程除了大規(guī)模外，還存在大數(shù)據(jù)情形下的魯棒分布式統(tǒng)計(jì)建模問(wèn)題。針對(duì)這

11、個(gè)問(wèn)題，在魯棒分布式思想下提出了分布式并行主元分柝方法。在對(duì)廠級(jí)系統(tǒng)進(jìn)行的分布式建模框架上搭建了基于MapReduce框架的統(tǒng)計(jì)量分布式并行算法，并提出了統(tǒng)計(jì)量合并的方案以及全局模型的構(gòu)建方法。監(jiān)測(cè)方面，基于貝葉斯融合的方法給出了主元分析模型的統(tǒng)計(jì)決策融合方案并基于故障重構(gòu)實(shí)現(xiàn)了多層監(jiān)測(cè)策略。所提出的分布式并行方案能夠解決大規(guī)模廠級(jí)系統(tǒng)在大數(shù)據(jù)情形下的建模問(wèn)題，在繼承了分布式建模系統(tǒng)的性能魯棒性優(yōu)點(diǎn)的同時(shí)還具有實(shí)現(xiàn)的簡(jiǎn)單，快捷并且實(shí)用價(jià)