1、如何確保生產(chǎn)的安全、提高產(chǎn)品的質(zhì)量以及整體的經(jīng)濟效益是現(xiàn)代工業(yè)生產(chǎn)過程中非常關(guān)鍵的問題，一種有效解決該問題的技術(shù)手段是有效的過程性能監(jiān)控和故障診斷的應(yīng)用?，F(xiàn)代計算機及信息技術(shù)的迅猛發(fā)展使得工業(yè)生產(chǎn)過程中越來越多的變量能夠得到測量、處理和監(jiān)控。統(tǒng)計性能監(jiān)控方法因為僅僅依賴容易得到的過程數(shù)據(jù)，而不是依賴精確的數(shù)學(xué)模型，逐漸受到了廣泛的關(guān)注。
　　 本文在對傳統(tǒng)統(tǒng)計過程監(jiān)控方法的研究基礎(chǔ)之上，提出了幾種不同程度上的改進措施。進一步一些

2、新的基于統(tǒng)計過程的監(jiān)控方法被提出并運用。本文的主要內(nèi)容如下：
　　 1.提出基于小波包去噪主元分析方法的過程監(jiān)控與故障診斷技術(shù)。該方法首先利用小波包變換技術(shù)，將測量噪聲和干擾因素在過程數(shù)據(jù)中消除；其次利用主元分析法的特點，使過程數(shù)據(jù)得到降維，從而可建立主元監(jiān)控模型；再次通過分析各變量對主元的貢獻圖，進行故障診斷。TE過程的仿真結(jié)果表明該方法在過程性能監(jiān)控和故障診斷的有效性。
　　 2.提出基于核主元分析方法的過程監(jiān)控與故

3、障診斷技術(shù)。該方法同樣先利用小波包變換消除測量噪聲和干擾。不同的是它采用核主元分析算法對故障進行在線檢測。進一步運用核函數(shù)梯度算法對檢測得到的故障實現(xiàn)在線故障診斷，從而可根據(jù)每個監(jiān)控變量對相關(guān)統(tǒng)計量的不同貢獻程度，繪制出貢獻圖，在貢獻圖的基礎(chǔ)上實現(xiàn)故障分離。最后引入特征向量選擇方法，使得監(jiān)控過程中的核矩陣計算困難問題得到較好解決。通過對TE過程的仿真研究，并與主元分析法相比，實驗結(jié)果表明該方法能有效實現(xiàn)故障檢測和診斷，更高的過程監(jiān)控能力

4、得到突顯。
　　 3.利用核主元分析非線性過程監(jiān)控的優(yōu)勢，結(jié)合多重核學(xué)習(xí)支持向量機在故障診斷方面的準(zhǔn)確性，提出了基于核主元分析和多重核學(xué)習(xí)支持向量機的非線性過程監(jiān)控和故障診斷方法。運用核主元法對數(shù)據(jù)進行處理，在特征空間構(gòu)建監(jiān)控變量和控制置信限，實現(xiàn)故障檢測，若有故障發(fā)生，則計算樣本的非線性主元得分向量，將其作為多重核學(xué)習(xí)支持向量機的輸入值，通過其分類進行故障類型識別。將上述方法用于TE化工過程，仿真結(jié)果表明該方法能夠準(zhǔn)確快速地檢

5、測并診斷故障。
　　 4.為了進一步提高故障診斷的速度和準(zhǔn)確度，提出了基于核主元分析和無約束優(yōu)化的稀疏型支持向量機的過程監(jiān)控與故障診斷方法，首先利用核主元分析方法來檢測故障，再利用Cholesky分解更新無約束優(yōu)化中的Hessian矩陣構(gòu)建稀疏型支持向量機，對TE過程的故障進行識別。仿真結(jié)果表明該方法能夠準(zhǔn)確快速地檢測并診斷故障。
　　 5.在分析復(fù)雜工業(yè)過程特點基礎(chǔ)之上，充分利用核主元分析方法具有處理非線性數(shù)據(jù)的優(yōu)勢，

6、以及獨立成分分析方法具有較強提取高維特征空間信息能力的特點，提出基于核獨立成分分析方法和支持向量機的非線性性能監(jiān)控和故障診斷方法。該方法關(guān)鍵的步驟是先對數(shù)據(jù)作空間映射變換到高維特征空間；其次在高維特征空間中運用獨立主元方法進行相關(guān)分析和計算。該方法借助在高維特征空間建立監(jiān)控統(tǒng)計量和控制置信限的辦法實現(xiàn)工業(yè)過程的監(jiān)控。在實現(xiàn)過程監(jiān)控的基礎(chǔ)上，引入支持向量機，利用支持向量機優(yōu)良的數(shù)據(jù)分類能力，實現(xiàn)故障診斷。TE過程仿真研究驗證了該方法的有效

7、性。
　　 6.提出基于核獨立成分分析和核Fisher判別分析的過程監(jiān)控與故障診斷方法。該方法充分運用核學(xué)習(xí)理論，把核方法與線性Fisher判別分析方法有機地結(jié)合起來：通過利用核獨立成分分析建立正常工況模型，得到檢測故障信息。在發(fā)生故障的情況下，利用Fisher判別分析方法在高維的特征空間的特點和優(yōu)勢，可將滿足最大分離程度的核Fisher判別向量和特征向量求出。從而根據(jù)當(dāng)前故障的判別向量和歷史故障數(shù)據(jù)集中所含故障的最優(yōu)核Fish