基于KPLS模型的间歇过程产品质量控制

被引：27

作者：

贾润达 ^{[1
,2
]}

毛志忠 ^{[1
,2
]}

王福利 ^{[1
,2
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 流程工业综合自动化国家重点实验室

来源：

化工学报 | 2013年 / 64卷 / 04期

关键词：

间歇过程; 质量控制; 核偏最小二乘; 主成分分析; 优化;

D O I：

暂无

中图分类号：

TP273 [自动控制、自动控制系统];

学科分类号：

080201 ; 0835 ;

摘要：

针对间歇过程所具有的非线性特性,提出了一种基于核偏最小二乘(KPLS)模型的最终产品质量控制策略。利用初始条件、批次展开后的过程数据以及最终产品质量建立了间歇过程的KPLS模型;采用基于主成分分析(PCA)映射的预估方法对未知的过程数据进行补充,实现了最终产品质量的在线预测。为了解决最终产品质量的控制,利用T2统计量确定KPLS模型的适用范围,并作为约束引入产品质量控制问题,提高控制策略的可行性;采用粒子群优化(PSO)算法实现了优化问题的高效求解。仿真结果表明,与基于偏最小二乘(PLS)模型的控制策略相比,所提出的方法具有更高的预测精度,且能有效解决产品质量控制中出现的各种问题。

引用

页码：1332 / 1339

页数：8

共 6 条

[1] 间歇过程实时优化 [J].

杨国军 ;

李秀喜 ;

陈赟 ;

钱宇 .

化工学报, 2011, 62 (10) :2839-2844

[2]

基于时段的间歇过程统计建模、在线监测及质量预报[J]. 赵春晖,王福利,姚远,高福荣.自动化学报. 2010(03)

[3] 间歇过程的统计建模与在线监测 [J].

陆宁云 ;

王福利 ;

高福荣 ;

王姝 .

自动化学报, 2006, (03) :400-410

[4] Multi-way partial least squares in monitoring batch processes [J].

Nomikos, P ;

MacGregor, JF .

CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 1995, 30 (01) :97-108

[5]

Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

[6]

Enhanced Statistical Analysis of Nonlinear Processes Using KPCA, KICA andSVM .2 Zhang Y. Chemical Engineering Science . 2009

← 1 →