間歇過程統計建模及故障監測研究：針對數據多階段特性（簡體書）

間歇過程是生物製藥、精細化工和食品飲料行業中的主要生產方式，但是也因其間歇式的特點，存在著週期性批量生產、物料狀態和操作參數呈現動態性、工藝控制要求高等特點。發酵過程是一種典型的間歇過程，發酵過程關乎經濟發展和人民生活水平的提高，生物製藥是國務院確立的七大戰略性新興產業之一，在京津冀一體化中將起到重要的支撐作用。本書圍繞生物發酵過程的批次不等長特性、動態特性和多階段特性，研究以往方法在進行監測時存在的問題，通過建立高效高精度過程監測模型，降低監測的誤報率和漏報率，保障運行安全，做到及時捕捉發酵過程中各檢測變量的變化，若發現監測故障，及時通知工作人員，工作人員通過調整發酵環境或暫停生產，盡可能提高產物質量、穩定生產或者減少損失，進而減少能源消耗和資源浪費。研究成果一旦獲得推廣，會極大地提高發酵過程生產的安全性，減少事故的發生和資源的浪費，創造較大的經濟效益和社會效益。

常鵬，1981年出生，講師。主要從事間歇過程統計建模及監測等方面的研究。目前，作為主要參與人，參與國家自然科學基金項目1項、高等學校博士學科點專項科研基金1項。近三年，發表學術論文8篇，被SCI、EI收錄5篇；獲得國家發明專利1項。

摘要
Abstract
第1章緒論1
1.1本書研究背景及意義1
1.2發酵過程簡介及特徵分析3
1.3發酵過程的統計過程監測10
1.4本書的研究內容及章節安排17
第2章基於多階段MPCA的間歇過程監測研究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基於改進AP聚類的間歇過程階段劃分方法研究27
2.5仿真驗證與結果分析33
2.6本章小結42
第3章基於MAR-PCA的間歇過程監測研究43
3.1引言43
3.2動態性對過程監測的影響44
3.3基於MAR-PCA的間歇過程監測45
3.4MAR-PCA算法步驟48
3.5數值實例仿真研究50
3.6本章小結55
第4章多階段MAR-PCA在間歇過程監測中的應用研究56
4.1引言56
4.2多階段MAR-PCA算法56
4.3基於多階段MAR-PCA的間歇過程在線監測59
4.4仿真研究與結果分析60
4.5本章小結65
第5章基於仿射傳播聚類的批次加權階段軟化分66
5.1引言66
5.2反距離加權67
5.3基於改進AP的階段軟化分68
5.4仿真研究73
5.5本章小結78
第6章基於信息傳遞的採樣點階段歸屬判斷80
6.1引言80
6.2信息傳遞81
6.3採樣點階段歸屬的初步選擇83
6.4採樣點階段歸屬的最終判定84
6.5仿真研究86
6.6本章小結89
第7章基於子階段自回歸主元分析的發酵過程在線監測91
7.1引言91
7.2主元分析與自回歸模型92
7.3發酵過程子階段監測模型的建立95
7.4子階段AR-PCA在線監測99
7.5仿真研究100
7.6本章小結110
第8章基於PDPSO優化的AP聚類階段劃分112
8.1引言112
8.2AP聚類算法113
8.3PDPSO算法113
8.4基於PDPSO優化的AP聚類算法階段劃分117
8.5仿真研究119
8.6本章小結120
第9章基於多階段自回歸主元分析的發酵過程監測122
9.1引言122
9.2主元分析與自回歸模型123
9.3基於AR殘差的MPCA模型126
9.4多階段AR-PCA監測127
9.5多階段AR-PCA監測模型的建立128
9.6仿真研究129
9.7大腸桿菌發酵現場實驗與結果分析141
9.8本章小結150
第10章基於KPCA-PCA的多階段間歇過程監控策略151
10.1引言151
10.2數據集的相似度理論152
10.3多階段KPCA-PCA監控策略156
10.4仿真驗證與應用研究165
10.5本章小結181
第11章基於GMM-DPCA的非高斯過程故障監控182
11.1引言182
11.2高斯混合模型(GMM)理論183
11.3基於GMM-DPCA的故障監控策略185
11.4基於GMM-DPCA監控策略的離線建模和新批次監控190
11.5應用研究191
11.6本章小結200
第12章基於KECA的間歇過程多階段監測方法研究201
12.1引言201
12.2多階段過程監測策略203
12.3構建多階段的監測模型206
12.4算法驗證209
12.5本章小結219
第13章間歇過程子階段非高斯監測方法研究220
13.1引言220
13.2基於多階段KEICA的間歇過程監測222
13.3算法驗證228
13.4本章小結241
第14章總結與展望242
14.1總結242
14.2展望244
參考文獻248