基于MICA方法的間歇過程監(jiān)控研究.pdf

1、間歇過程在現代工業(yè)生產中所占地位越來越重。為保證間歇過程安全穩(wěn)定運行和產品質量的達標，對間歇過程進行實時的在線監(jiān)控具有重要意義。隨著在線測量儀器和計算機技術的發(fā)展，越來越多的間歇生產過程數據和產品質量數據被存儲到計算機中，這些數據隱含著大量信息，通過對數據分析，剔除冗余信息，挖掘有用資源可診斷過程運行狀況，并指導生產實踐。 對間歇過程的在線監(jiān)控，多采用多向主成分分析(MPCA)和多向偏最小二乘(MPLS)等傳統的多元統計方法，這

2、些方法要求變量服從正態(tài)分布，利用的僅是二階統計量信息。多向獨立成分分析(MICA)是一種基于ICA技術、處理間歇過程三維數據的多元統計方法，不需假設變量滿足正態(tài)分布，并且利用了信號的高階統計信息，能更有效地分析處理過程數據，分解得到的內在潛隱變量是統計獨立的，從而能更本質地描述過程特性。本文以多向獨立成分分析(MICA)方法為研究基礎，針對間歇過程的特點，對MICA方法進行了改進，提出了兩種新的間歇過程監(jiān)控算法。 針對間歇過程中

3、操作批次之間存在的時變特性，提出一種隨批次變化的動態(tài)算法一帶遺忘因子的自適應多向獨立成分分析(Adaptive MICA)方法。該方法利用正常數據集先建立初始MICA模型，并檢測新批次數據，如果新批次數據從始至終沒有異常行為，則在原始數據集中加入新的正常批次并剔除最早批次，建立新的MICA模型時引入遺忘因子逐漸遺忘歷史信息，以提高模型對新過程特性的適應能力；若檢測到新的批次有故障發(fā)生則模型不變，繼續(xù)監(jiān)測下一批次的運行狀況。在半導體蝕刻過

4、程上的仿真結果表明，自適應MICA方法能逐步加入新的正常批次數據的變化信息，建立更準確的統計模型，相比固定模型的MICA方法，能有效降低檢測故障時的誤報率。 考慮到間歇過程數據中存在顯著的非線性變化特性，提出一種非線性監(jiān)控算法--基于特征樣本的多向核獨立成分分析(FS-MKICA)。間歇過程正常工況下的三維數據矩陣展開成二維后，樣本數較大，直接進行非線性的核變換時，對核函數矩陣的求解困難。為降低核矩陣的計算復雜度，本文先從原始輸