间歇过程统计建模及故障监测研究：针对数据多阶段特性

　　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。

　　常鹏，1981年出生，讲师。主要从事间歇过程统计建模及监测等方面的研究。目前，作为主要参与人，参与国家自然科学基金项目1项、高等学校博士学科点专项科研基金1项。近三年，发表学术论文8篇，被SCI、EI收录5篇；获得国家发明专利1项。

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