多变量统计过程控制的现状与展望_许恒

多变量统计过程控制的现状与展望_许恒

江苏广播电视大学学报　JournalofJiangsuRadio&TelevisionUniversity　2006.3Vo.l17　55

多变量统计过程控制的现状与展望

许　恒,李　锋

1

2

11江苏广播电视大学,江苏南京21003621上海宝钢建筑维修公司,上海201900

　　摘　要:。在多变量统计过程控制中,传统的方法主要包括。设计时可以应用非线性主元分析、非线性偏最小二乘、、多尺度主元分析等方法进行改进。研究中要重视带噪声的监控模型、过程,同时可以把一些新的降维技术用于统计过程控制中。　　关键词:监控;故障诊断;多变量统计过程控制;主元分析;偏最小二乘

　　中图分类号:TP277　　文献标识码:A　　文章编号:1008-4207(2006)03-0055-03　　http:///
一、过程监控与故障诊断的主要方法

1.基于数学模型的方法

[1]

就是消除、避免异常波动,使过程处于正常波动状态。

统计过程控制(StatisticalProcessControl,SPC)是一种借助数理统计方法的过程控制工具,这里的“控制”实际上是“监控”的意思。它对生产过程进行分析评价,根据反馈信息及时发现异常因素出现的征兆,并采取措施消除其影响,使过程维持在受控状态。当过程仅受随机因素影响时,过程处于受控状态;当过程中存在系统因素的影响时,过程处于失控状态。由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;失控时,过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。

σ管理理念追求超严格的质量要求,要求将传统的6

事后检验改为对生产全过程的监控,并采用新的质量管理方法———统计过程控制。统计过程控制分为单变量统计过程控制和多变量统计过程控制。

21多变量统计过程控制

该方法建立在对模型的参数估计与过程状态估计的基础上对控制系统的状态和参数进行重构,并构成残差序列,通过对残差序列的统计分析来监测故障的发生并进行故障的识别。该方法的优点是易于分析和诊断,缺点是计算量大,被检测过程的数学模型必须可利用,并且足够准确。

2.基于知识的方法

该方法主要是利用人工智能的方法(包括模糊逻辑、因果分析、专家系统等),构造某些系统功能以模仿和实现人类在监测控制过程中的某些思维和行为,自动完成整个监测和诊断过程。基于知识的方法适合于有大量生产经验和工艺知识可以利用的场合,但通用性较差。

3.基于数据驱动的方法

该方法利用工业过程拥有的丰富观测变量数据,而对过程进行监控,以采集的过程数据为基础,通过各种数据处理与分析(如多元统计方法、聚类分析、小波分析等)挖掘出数据中隐含的信息,从而指导生产。

单变量统计过程控制只考虑单一变量的变化对单一变量进行监控,不涉及多个变量之间的相互关系。

多变量统计过程控制(MultivariateStatisticalProcess

Control,MSPC)主要采用各种降维方法来实现。降维方

二、统计过程控制

σ管理理念与统计过程控制[2-3]1.6

在生产过程中,产品的加工质量的波动不可避免的。它由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分正常波动和异常波动两种。过程监控的目的

法的基本思想是将由大量测得的变量所张成的高维空间投影到维数更少的模型空间。

(1)主元分析(PrincipalComponentAnalysis,PCA)

主元分析是在力保数据信息丢失最少的情况下对高

[4]

维变量空间进行降维处理。其信息提取的实质是选择

收稿日期:2006-04-04

作者简介:许恒(1978-),男,浙江诸暨人,江苏广播电视大学信息工程学院助教。

? 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://ki.net

bbs.99jianzhu.com内容：建筑图纸、PDF/word 流程，表格，案例，最新,施工方案、工程书籍、建筑论文、合同表格、标准规范、CAD图纸等内容。