孔祥玉 陈雅琳 罗家宇 周红平 叶兴泰

(火箭军工程大学 导弹工程学院，陕西 西安 710025)

现代工业生产过程是一个相对复杂的过程，且随着现代工业设备发展趋于集成化、复杂化，大量的传感器被布置到各个关键节点以采集大量的过程信息。如何从海量的数据中分析过程的变化并提取特征，成为新的研究热点之一。相较于传统的基于物理模型的方法，基于数据驱动的多元统计过程监测(MSPM)方法[1-3]不需要知道详细的机理知识，已被广泛应用于大型设备的健康状态监测。多变量统计过程监测方法通过从过程数据中提取关键数据或关键信息来构建高效的过程监测模型。常用的方法包括主成分分析(PCA)、偏最小二乘(PLS)分析、独立成分分析(ICA)[4-6]。

在上述方法中，基于偏最小二乘的分析方法被用于对关键性能指标的有效监测，通过构建因变量Y对自变量X的回归模型，提取X的潜变量t和Y的潜变量u之间的协方差信息，同时解决了自变量之间的多重相关问题。为构造PLS合理的统计指标，Zhou等[7]提出了全潜结构投影(TPLS)算法，将X进一步分解到4个子空间，并在对应子空间分别构造统计量进行过程监测。然而，Qin等[8]考虑了TPLS分解的子空间过多、存在冗余的情况，提出了并行潜结构投影(CPLS)算法，有效地简化了TPLS模型。由于基于传统PLS斜交分解[9]得到的空间扩展方法，在质量相关子空间中存在对预测质量无用的信息，易引发误报警。针对该问题，Yin等[10]提出了改进的潜结构投影(MPLS)算法，通过对X进行正交分解得到预测关键性能指标的质量相关子空间。……