间歇工业过程的统计建模在线监测和质量预测

---

文档主要内容

文档类型：博士学位论文摘要
适用人群：从事间歇工业过程建模、在线监测、质量预测的研究人员、工艺工程师及自动化领域从业者。

间歇工业过程的质量指标可分为“累积型”和“非累积型”两类，二者对建模方法的要求存在显著差异。针对累积型质量指标，多向偏最小二乘（MPLS）模型是比较理想的选择；而对于非累积型质量指标，该论文提出基于子时段偏最小二乘（PLS）模型的质量分析与在线预测方法。该方法的核心在于将整个间歇过程划分为若干子操作时段，通过子时段分析找出产品质量指标与特定子时段的关联关系，并识别出在该子时段中影响产品质量的关键过程变量。

基于子时段的在线质量预测方法具有模型结构简单实用、预测精度可靠的特点。与传统方法相比，该算法无需依赖未来的过程变量测量数据，即可在线监视过程的运行状态或预测产品质量。具体而言，算法为每个子时段建立二维PCA/PLS模型，这些模型能够深入刻画各子操作时段的过程特征，从而极大程度地改进并简化了间歇工业过程的在线监测与质量预测程序。

上述算法在注塑过程中取得了成功应用，验证了其有效性。该研究成果可作为其他间歇工业过程的一个可行的建模、监测和质量改进工具。论文涉及的关键技术包括主成分分析（PCA）、偏最小二乘（PLS）、过程监测、故障诊断以及质量预测，为间歇工业过程的智能化运行提供了理论支撑与实用方案。