褚菲，彭闯，贾润达，陈韬，陆宁云

（1 地下空间智能控制教育部工程研究中心，江苏徐州221116； 2 中国矿业大学信息与控制工程学院，江苏徐州221116；3东北大学信息科学与工程学院，辽宁沈阳110819； 4 萨里大学化学与工艺工程系，英国吉尔福德；5 南京航空航天大学自动化学院，江苏南京210016）

引 言

随着经济的迅猛发展以及国际产品市场的竞争日趋激烈，产品质量的标准与要求也变得越来越高[1-5]。特别是在间歇生产过程中，产品质量的稳定不仅直接关乎企业的经济效益，而且也是实现间歇过程生产优化的前提[6-9]。精确的质量预测则是确保间歇过程安全运行、获得高质量产品的必要条件，随着数据技术的迅速发展，数据驱动方法[10-16]因其建模速度快、模型精度高、成本效益好等优点正成为过程建模的主流，被广泛地应用于间歇过程的产品质量预测[17-18]。数据驱动建模的前提是要拥有充足的过程数据，这是实现精准预测的必要条件[5]。在实际间歇生产过程中，不同的产品规格应采用特定的操作条件甚至设备进行生产，操作状态需要频繁更新，数据驱动模型的性能会降低，此时则需要重新构建新过程。但是，新过程由于运行时间相对较短而无法获得丰富的过程数据，难以建立准确可靠的数据驱动模型[19-20]。

大数据时代的背景下，在现代间歇工业过程中有很多使用相同或相似的工艺原理生产相同或相似规格产品的相似过程[20]，这些过程中存在着大量相似的历史数据没有得到充分利用，造成了资源的浪费。……