1、隨著計算機技術在工業(yè)過程控制中的廣泛應用，大量的過程數據被采集并存儲下來，但是這些包含過程運行狀態(tài)信息的數據并沒有被有效地利用，以致出現(xiàn)了所謂的“數據豐富，信息匱乏”的現(xiàn)象。為了充分揭示過程數據中隱藏的系統(tǒng)本質信息，實現(xiàn)對生產過程和產品質量的有效控制，需要借助多變量統(tǒng)計分析技術對數據進行處理，從數據中提取出低維本質成分，并消除冗余信息及誤差和噪聲。本文以多變量統(tǒng)計過程控制為研究背景，從這些存儲的數據中挖掘出過程運行的深層次信息，充分利用

2、這些信息進行過程建模與監(jiān)測。
　　 在過程建模方面，本文利用近幾年發(fā)展起來的多變量統(tǒng)計分析技術——非負矩陣分解(NMF)以及最小二乘支持向量機(LSSVM)進行回歸建模。首先，在利用非負矩陣分解進行過程信息挖掘的基礎上建立了非負成分回歸(NCR)模型。進一步，把NMF提取的非負成分送給最小二乘支持向量機建立NMF-LSSVM回歸模型。這兩個模型在對軋鋼加熱爐出爐鋼溫建模時表現(xiàn)出了良好的性能。
　　 在過程監(jiān)測方面，本文提

3、出了一種基于非負矩陣分解(NMF)與支持向量機(SVM)對系統(tǒng)性能進行監(jiān)測的整體框架。主要包括兩個方面：①通過NMF進行特征提取，對監(jiān)測系統(tǒng)進行降維，得到主要特征的統(tǒng)計量。并利用核密度估計方法確定控制限，從而建立起在線監(jiān)測模型；②利用SVM訓練多故障分類器，當NMF在線監(jiān)測模型檢測到故障發(fā)生時，通過SVM故障分類器進行故障識別與診斷，確認是哪一類故障。通過對三容水箱系統(tǒng)的仿真實驗，證實了該系統(tǒng)框架具有良好的監(jiān)測性能，可以獲得比較理想的故