赵小强，牟 淼

(兰州理工大学 a.电气工程与信息工程学院；b.甘肃省工业过程先进控制重点实验室；c.电气与控制工程国家级实验教学示范中心，兰州 730050)

随着对生产过程安全性和产品质量要求的日益增长，过程监控受到越来越多的关注[1-2].近年来，多元统计过程监控(MSPM)方法被广泛应用于过程监控，其主要思想是将高维数据投影到低维空间，并保留原始数据的主要信息[3-5].

传统的MSPM方法,如主成分分析(PCA)和邻域保持嵌入(NPE)等[6-9],假定在不同时间的样本是独立的，即过程当前时刻的状态不受之前时刻的影响，然而在现代工业中这种假设是不成立的，因此传统的监控模型无法准确表达过程数据的动态特性.为解决这一问题，文献[10]利用包含当前和过去时刻采样值的增广矩阵进行建模，提出了动态主元分析(DPCA)方法.然而，DPCA方法本质是一种全局结构保持方法，忽略了局部信息的提取，为此，NPE等局部流形算法被用于过程监控.NPE通过保持数据的局部邻域结构来实现数据降维，其假设数据样本满足独立分布，主要关注数据的空间结构特征，能有效提取数据的静态信息，但NPE算法忽视了数据随时间变化的特征信息，可能会造成检测效果不佳.为了有效提取过程数据的动态信息和局部信息，文献[11]在邻域保持嵌入算法保持数据局部结构的基础上引入时序扩展，提出一种基于时序扩展的邻域保持嵌入(TNPE)算法用于动态过程建模，一定程度上提高了动态过程……