适应性二维子空间识别,用于监控具有有限批量数据的批量流程
Zhe Li1, Li Zhu2, Junghui Chen3
1School of Hydraulic, Energy and Power Engineering, Yangzhou University, Yangzhou 225127, China.
ISA transactions
|July 20, 2024
概括
本研究介绍了一种基于本地学习的二维子空间识别 (LL-2D-SID) 方法,用于高效的批量过程监控. 该方法准确地跟踪过程动态,并使用有限的数据提供及时的故障报警.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 过程控制 过程控制
- 数据科学数据科学数据科学
背景情况:
- 数据驱动的批量流程监控对于稳定的运营和产品质量至关重要.
- 传统的统计模型需要大量的数据,这对于长时间的过程来说往往是不切实际的.
- 在批量流程中建模复杂的动态,如非线性和时间变化的特征是具有挑战性的.
研究的目的:
- 为批量过程监控提出一种基于本地学习的新的二维子空间识别 (LL-2D-SID) 方案.
- 通过有效利用有限批量数据来解决传统模型的局限性.
- 准确地建模批量智能和变量智能动态,非线性和时间变化的特征.
主要方法:
- 开发了一个LL-2D-SID方案,利用正在进行和之前的批次之间的相似性.
- 员工进行了扩展的推断时间曲线,以估计批量相似性.
- 利用在线优化机制,以有限的数据进行模型训练.
主要成果:
- 该LL-2D-SID方案在有限的批量数据下表现出良好的预测性能.
- 成功应用于监测聚四乙烯生产中的烧结过程.
- 准确跟踪温度变化并及时提供故障报警.
结论:
- LL-2D-SID提供了一种有效的数据驱动批量流程监控方法.
- 拟议的方案在准确性和报警率方面优于其他子空间识别方法.
- 即使数据有限,也能实现稳定的工艺运行和一致的产品质量.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.0K
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.3K
