赵春晖、陆宁云编著的《间歇过程统计监测与质 量分析》第1章首先介绍了间歇生产的重要背景和地 位，然后从分析间歇 过程特点与数据特征出发，引出其多时段特性，揭示 多时段分析的重要性。    第2章综述了过程监测技术的基础，重点阐述以主成 分分析、偏最小二乘等 为核心的多元统计分析方法。第3章介绍了应用于间 歇过程的传统多元统 计分析技术，分析了其发展现状及未来发展趋势。第 4～9章主要介绍了针 对间歇过程多时段特性的分析与划分方法，以及基于 时段的过程监测与故 障诊断算法。这一部分包含了作者近几年的一系列研 究成果，即对多时段 间歇过程中的实际具体问题的分析与解决方法。第10 ～12章主要介绍了 基于多时段分析的质量预测与控制算法，具体涉及基 于时段的在线质量预 测、离线质量分析与在线质量控制等，书中主要基于 偏最小二乘模型对该问 题进行了研究。     本书可作为自动控制或信息科学等相关专业研究 生的教学参考书，同 时对从事自动化系统研究、设计、开发和应用的广大 工程技术人员也具有一 定的参考价值。       

第1章间歇过程概述
目前被业界广泛认可的间歇生产是指在有限的时间内、按照预先设计好的工序流程将原材料加工生产成符合质量要求的一个（或一批）产品，并通过过程重复获得更多同种产品的加工过程。作为现代制造业中一种重要的生产方式，间歇工业过程与现代人的生活息息相关，被广泛应用于精细化工、生物制药、食品、聚合物反应、金属加工等领域，具有举足轻重的地位和作用。间歇过程生产的安全可靠运行以及产品的高质量追求已成为人们关注的焦点。本章将对间歇过程生产方式进行重点介绍，分析其潜在过程特性，探讨其中隐含的科学问题。1.1引言
按生产的连续程度划分，连续生产与间歇生产是制造业的两种重要生产类型。上道工序生产出一单位的中间品即向下转移的生产方式，称为连续生产［1］，在制造业中称为流水作业，而在化工生产中称为连续生产。在连续生产类型中，单一产品的生产永不停止，机器设备一直运转。连续生产的产品一般是企业内部其他工厂的原材料。产品基本没有客户化。此类产品主要有石化产品、钢铁、初始纸制品。连续生产可以大幅提高生产效率，降低生产成本，但一旦其中一道工序出现故障，将导致整个流程的停产。与之不同的是，间歇生产中出现某一工序故障情况时，对整个流程的影响有一定弹性。20世纪90年代以来，为适应经济全球化和信息化发展要求，小批量、定制化的间歇过程现已成为现代制造业中一种重要的生产方式。目前被业界广泛认可的间歇生产过程是指在有限的时间内、按照预先设计好的工序流程将原材料加工生产成符合质量要求的一个（或一批）产品，并通过过程重复获得更多同种产品的加工过程。随着生产力的发展和生产工具的演进，制造业中的两种主要生产方式也一直在发生演变。19世纪30年代以前，生产方式以手工小批量生产为主。1830年随着大规模工业生产的兴起，自动化连续生产占主导地位。这种生产方式以机械化、装配流水线的生产过程大规模地制造标准化产品。随着大规模、标准化的产品市场趋于饱和，生产者面临的是消费者日益挑剔的、不断变化的需求市场。为了满足消费者多样化、个性化、高品质的市场需求，从20世纪70年代中期起，全球的生产组织开始发生重大转变，具体表现为小批量生产多样化、高质量的产品，通过有效地控制和协调减少对时间和资源的浪费。间歇过程作为制造业的重要生产方式之一，与现代人的生活息息相关，被广泛应用于精细化工、生物制药、食品、聚合物反应、金属加工等领域。如图1-1所示，目前，间歇过程在制造业生产中占了很大的比例。例如，在医药生产中占了高达80%的比例。近年来，现代社会瞬息万变的市场对多品种、多规格和高质量产品提出了更迫切的需求，使得现代过程工业更加倚重于生产小批量、高附加值产品的间歇过程。如图12所示，对间歇过程在各领域中未来发展前景进行了预测。预计到2015年，间歇生产过程在精细化工领域中的产值将达到16万亿元，在医药领域的产品产值将达到世界第一或第二。图1-1间歇过程在制造业生产中的地位
图1-2间歇过程在各领域中未来发展前景预测
《国家中长期科学和技术发展规划纲要（2006—2020年）》指出，必须积极发展形成高效、节能、环保和可循环的新型制造工艺。间歇过程作为制造业的重要生产方式之一，其高效运行是推进制造业整体实力、维持经济可持续发展的优先主题。在追求个性、多变的现代社会，市场竞争日趋激烈，新产品从设计到供货的时间越来越短，这对生产过程的高效性提出了很高的要求。高效，即生产要在更短的时间内消耗更少的资源更好地完成。生产过程的高效运行与其自动化程度密不可分。自动控制技术是保证生产过程高效运行的基本手段。间歇过程控制的研究起步较晚，远远落后于连续过程控制。目前，大多间歇生产过程都直接借用连续过程的成熟控制方法，并没有较好地分析和利用间歇过程自身的特性，因此无法保证高性能控制，其运行效率也较低。相比于连续过程，间歇过程具有多阶段、重复运行、产品变化频繁等特性，为保证间歇生产能够快速、精准、高效的运行，有必要紧紧围绕这些过程特性进行针对性的自动控制技术研究，从而用于保障生产过程的安全可靠运行以及获得连续稳定的产品质量。因此，间歇过程建模、在线监测、故障诊断及质量控制已成为科研人员一个迫切且必要的研究课题。一系列完善可行的间歇过程建模、监测、诊断和质量改进算法必将推动整个间歇工业过程的长足进步和繁荣发展，为社会提供高质量产品的同时，还可排除安全隐患、保障生命和财产安全、节约资源、保护环境，提供更加重要的无形的社会财富。1.2间歇过程特性间歇生产过程的生产环境及其动态特性与连续过程有明显的区别，频繁地改变生产的产品和工艺操作条件是间歇生产过程的正常活动方式［2］。连续过程中原料连续地加入，产品连续地输出，物料流是连续的；间歇过程一般先将原料以离散的批量方式加入，而后生产过程中按预先设定的轨迹或方案对相关生产参数进行控制最终产品成批地输出。与连续生产过程通常运行在稳定工作状态下不同，间歇生产过程无稳态工作点，往往从一个稳定状态转为另一个稳定状态，或者根本没有稳定状态，因而可能存在多种状态的组合。间歇过程呈现强非线性、时变特性，其操作复杂度远远大于连续过程，产品质量更容易受到如原材料、设备状况、环境条件等不确定性因素的影响。为了提高工业生产过程与控制系统的可维护性和安全性，并同时提高产品的质量，迫切地需要建立过程监控系统对生产过程进行在线监测、故障诊断及质量控制。与连续工业生产过程相比，间歇生产的过程特性更为复杂。多操作阶段是许多间歇过程的一个固有特征［38］。同一批次运行周期内又分成多个时段，过程变量的运行轨迹随着时间不断变化，在不同的时段中呈现出不同的过程相关特性。例如，注塑过程可以划分为注射、保压和冷却三个主要的操作阶段［9］；发酵过程按细菌的生长周期也可大致分为停滞期、指数生长期、静止期等阶段［10］。显然，为了获得理想的产品质量，每个操作阶段都有其特定的控制目标和控制方案，有不同的主导操作变量，运行轨迹具有不同的动态特征。举例来说，注塑过程是一个典型的多时段间歇过程［5，6］。注射段、保压段和冷却段是决定制件品质的最重要的三个时段。在注射段，液压系统推动螺杆将塑料黏流体注入模腔中，直至模腔被流体充满。过程处于保压段时，仍有少量的黏流体被高压挤进模腔中，以补偿塑料黏流体在冷却和塑化时造成的体积收缩。保压段一直持续到模腔的浇口冻结，过程进入冷却时段。在冷却时段模腔内流体固化的同时，机桶中的塑料颗粒变成塑料黏流态。当螺杆头部熔料逐渐增多，达到一定的注射量后，螺杆停止后退和转动，这段时间的过程状态也称为塑化段。随着模腔中熔体的继续冷却，塑件完全固化，模具打开，塑件被顶出，从而完成一个工作循环。其中，注射与保压时段均与注塑产品重量有密切关系。在注射时段，影响最终产品重量变动的主导变量是注射速度和机桶温度。总体看来，机桶温度越高，产品重量越低；注射速度上升的越快则熔体注入量越多，产品重量越大。在保压子时段，注塑制品重量主要决定于喷嘴压力、油缸压力和模腔压力，压力越大重量越大；模腔温度与机桶温度两个温度变量也影响制品的重量，温度越低重量越大。此外，对注塑制品的溅射质量来说，在注射时段，压力变量（如喷嘴压力、油缸压力）、螺杆行程、注射速度以及机桶温度均与其成正相关关系，即注射子时段中注射速度越快、压力越大、温度越高的间歇操作越容易出现制品溅射现象。因此，对多操作阶段间歇过程的有效监控不仅仅要分析过程的整体运行状况是否正常，更应该深入分析过程的每一个操作阶段是否正常，不同操作阶段之间的过渡是否正常，以及各操作阶段和最终产品质量具有什么样的内部关联。13间歇过程的数据特征间歇过程单个运行周期有限而工作循环往复进行从而获得批量产品，这决定了其测量数据是按照三维数据形式构建的，这是与连续过程最明显的区别。考虑一个具有J个测量变量的间歇过程，它在一次间歇操作周期内，对每个过程变量采集K个测量数据。这样，一次间歇操作的数据可以组成一个二维数据阵X(K×J)，即每一行由某个采样时刻的所有过程变量测量值组成，而每一列则是某个过程变量在一次间歇操作内不同采样时刻的运行轨迹，这也是连续过程中测量数据单元的构建形式。假定有I次正常的间歇操作，则得到了I个二维矩阵Xi(K×J)(i=1，…，I)。如图1-3所示，所有这些数据组成了间歇过程典型的三维数组表示形式——X(I×J×K)，其三个维数分别表示间歇操作周期(i=1，…，I)、过程变量个数（j=1，…，J）以及每一次间歇操作中测量点的个数（k=1，…，K）。相比之下，间歇过程的产品质量通常是在一次间歇操作结束后离线测定。假定有Jy个产品质量指标，一次间歇操作得到的质量数据可以组成一个列向量y=［y1，y2，…，yJy］T，I次正常批次最后得到了一个二维的质量数据阵Y(I×Jy)。因此，间歇过程测量数据的典型形式是一个三维的过程变量数组X(I×J×K)和一个二维的质量变量矩阵Y(I×Jy)。图1-3间歇过程的三维数据表示
鉴于间歇生产过程本身反应的复杂性，除了测量数据单元具有三维结构形式外，变量之间的耦合相关特性也更为错综复杂，同时也蕴含了内容更为丰富的统计特性与规律。如何有效发掘和利用这一座座高维、高度耦合的数据信息“金矿”，成为间歇过程监测、故障诊断与质量控制成功实施的关键所在。1.4间歇过程的典型例子——注塑成型工艺过程塑料工业是国民经济中的一个非常重要的行业。由于塑料的机械性能和加工性能优良，而且具有质量轻、耐腐蚀、电绝缘、性能好、强度高等优点，引起了人们的关注，获得了迅速的发展，在汽车、家电、仪器仪表、建筑装饰等领域得到了广泛的应用，并有以塑代钢、以塑代木的趋势［9］。注塑成型是根据金属压铸成型原理发展而来的塑料制品的主要加工方法，是一种注射兼模塑的成型方法。注塑成型的优点是可以经济地制造数量无限多却只需做少量或完全无需修整的成型件［11］。注塑机是实现注塑加工成型的设备。一台通用的注塑机主要由注射系统、锁模系统、液压系统和电气控制系统组成。注射系统的主要作用是将料筒里的高分子粒料或粉料经塑化后熔融为机筒前部的高分子熔体，然后在高压和高速下将熔体注入模腔，并在随后的保压阶段提供保持压力，使聚合物继续进入模腔以填补由于冷却而造成的收缩。锁模系统的作用是通过动模板做启闭模运动从而开启或锁紧模具。液压系统是注塑机的油路供应和循环系统，为注塑机的各执行机构提供压力和速度回路。电气控制系统负责注塑机的各种程序，主要对注塑机的各种动作，以及注塑过程的各种过程变量进行控制，包括时间、位置、压力、速度和转速等。图1-4为一台往复螺杆式注塑机的简化结构示意图及其主要的过程变量测量点［12］。图14往复螺杆式注塑机的结构示意图以及其主要的过程变量测量点
注塑过程是一个典型的多操作时段间歇过程。一个完整的注塑过程主要由闭模、注射座前进、注射、保压、塑化、冷却、开模、制件顶出等程序组成，而注射时段、保压时段和冷却时段是决定制件品质的最重要的三个操作时段。下面简单地介绍一下各时段的过程工艺特性［13］。1） 注射时段工艺特性在注射段，模具闭合，熔体在压力的驱动下注入模腔。注射时间、熔体温度、流动速率是影响最终制品质量的重要因素。注射时间直接影响到注射压力，注射时间短，熔体需要以较高的体积流率流入型腔，则注射压力就大。而当注射时间过长时，由于熔体在冷模壁的作用下温度降低，黏度增大，使流动阻力变大，则注射压力又变大。熔体温度对最终制品的质量特性也有重要的影响，熔体温度影响着熔体的黏度，决定了熔体的流动阻力。温度低，黏度就高，则熔体流动性就差，充模困难。反之，温度升高会降低熔体的黏度，使充模容易。充填速率决定着制品充入模腔的速度及速度沿厚度方向的曲线分布。速度曲线对剪切速率、分子取向有重要的影响，从而影响制品质量和性能。2） 保压时段工艺特性当模具被完全充满后，螺杆在原位置保持一定的时间，使得熔体继续充入型腔，这个时间就称为保压时间，在这个时段，额外的熔体注入型腔以弥补冷却引起的收缩。随着冷却的进行，尺寸较小的浇口凝固，此时，模具内的熔体仍然保持很

《信息化与工业化两化融合研究与应用》序
前言
第1章 间歇过程概述
 1.1 引言
 1.2 间歇过程特性
 1.3 间歇过程的数据特征
 1.4 间歇过程的典型例子——注塑成型工艺过程
 1.5 全书概况
 参考文献
第2章 过程监测的基础理论与方法
 2.1 引言
 2.2 多变量统计过程监测及故障诊断
 2.2.1 数据的标准化处理
 2.2.2 主成分分析（PCA）
 2.2.3 偏最小二乘（PLS）
 2.2.4 基于PCA的多变量统计过程监测
 2.2.5 基于变量贡献图的故障诊断
 2.2.6 PCA和PLS的衍生方法及其应用
 2.3 结束语
 参考文献
第3章 间歇过程统计监测的基础理论与方法
 3.1 引言
 3.2 间歇过程的数据处理
 3.3 间歇过程多向统计分析方法
 3.3.1 多向主成分分析与多向偏最小二乘
 3.3.2 基于MPCA的间歇过程统计分析和在线监测
 3.4 基于多时段的间歇过程统计分析方法
 3.4.1 改进的多向统计分析方法
 3.4.2 时段划分算法
 3.4.3 基于时段的过程监测与质量预测
 3.5 结束语
 参考文献
第4章 基于子时段划分的PCA建模和在线监测
 4.1 引言
 4.2 间歇过程子时段自动划分方法
 4.2.1 基本思想
 4.2.2 基于时间片聚类的时段划分方法
 4.2.3 步进有序时段划分方法
 4.2.4 小结
 4.3 间歇过程子时段建模与监测方法
 4.3.1 基于子时段的PCA建模
 4.3.2 基于子时段的在线过程监测
 4.4 案例研究
 4.4.1 三水箱实验装置
 4.4.2 注塑过程中的应用研究
 4.5 结束语
 参考文献
第5章 基于有限批次的子时段划分、建模及在线监测
 5.1 引言
 5.2 独立成分分析
 5.3 基于有限批次的子时段划分、建模与在线监测
 5.3.1 基本思想
 5.3.2 基于有限批次的数据预处理
 5.3.3 基于有限批次的子时段划分
 5.3.4 基于时段的ICA建模
 5.3.5 在线过程监测与故障诊断
 5.3.6 在线更新
 5.4 青霉素发酵过程中的应用研究
 5.4.1 过程描述
 5.4.2 算法验证及讨论
 5.5 结束语
 参考文献
 附录 交叉检验
第6章 不等长间歇过程的子时段PCA建模和在线监测
 6.1 引言
 6.2 处理间歇过程不等长数据的常用方法
 6.3 不等长间歇过程的子时段PCA建模和在线监测
 6.3.1 基本思想
 6.3.2 不等长间歇过程的数据标准化
 6.3.3 不等长间歇过程的子时段划分
 6.3.4 建立用于过程监测的子时段PCA模型
 6.3.5 在线过程监测和故障诊断
 6.4 注塑过程中的应用研究
 6.4.1 实验设计和建模数据
 6.4.2 不等长注塑过程的子时段划分和PCA建模
 6.4.3 不等长注塑过程的过程监测和故障诊断
 6.4.4 小结
 6.5 基于不等长组间分析的子时段建模与过程监测
 6.5.1 基本思想
 6.5.2 多时段与不等长组划分
 6.5.3 基于组问关系分析的建模
 6.5.4 局部置信区间的建立
 6.5.5 在线过程监测
 6.5.6 小结
 6.6 案例研究
 6.6.1 实验设计和建模数据
 6.6.2 不等长组间关系分析
 6.6.3 不等长注塑过程的在线监测
 6.7 结束语
 参考文献
 附录A 组间共性分析算法
 A.1 子基向量的定义
 A.2 第一步基向量提取
 A.3 第二步基向量提取
 附录B 搜索算法
 B.1 针对系统共性信息
 B.2 针对系统特性信息
第7章 基于过渡的软时段划分、统计建模及在线监测
 7.1 引言
 7.2 基于硬时段划分的sub—PCA建模方法
 7.3 基于过渡的软时段划分、统计建模及在线监测
 7.3.1 基本思想
 7.3.2 基于过渡的软时段划分
 7.3.3 基于软时段划分的PCA建模
 7.3.4 基于软时段划分的在线监测
 7.4 三水箱系统中的实验研究
 7.4.1 三水箱实验过程
 7.4.2 软时段划分及过程分析
 7.4.3 过程监测及故障诊断
 7.5 结束语
 参考文献
第8章 多模态间歇过程多时段建模与监测
 8.1 引言
 8.2 多模态协同时段分析、建模与监测
 8.2.1 协同时段划分
 8.2.2 模态问相对变化分析
 8.2.3 基于相对变化的多模态建模
 8.2.4 在线多模态监测
 8.3 案例研究
 8.3.1 过程描述
 8.3.2 协同时段划分与建模
 8.3.3 在线过程监测
 8.3.4 在线故障检测
 8.4 结束语
 参考文献
第9章 基于相对变化分析与有限批次的故障建模与诊断
 9.1 引言
 9.2 基于主成分分析的故障检测与故障重构诊断方法
 9.3 基于相对变化分析与有限批次的故障诊断
 9.3.1 基本思想
 9.3.2 有限批次的建模数据
 9.3.3 有限批次协同时段划分
 9.3.4 基于时段的相对变化分析
 9.3.5 基于时段的故障重构与诊断
 9.4 注塑过程中的应用研究
 9.4.1 注塑过程描述
 9.4.2 协同时段划分和相对变化分析
 9.4.3 在线故障诊断
 9.5 结束语
 参考文献
第10章 基于时段的回归建模、质量分析及在线预测
 10.1 引言
 10.2 质量相关的子时段划分、子时段PLS建模与在线预测
 10.2.1 基于时间片聚类的时段划分方法
 10.2.2 步进有序时段划分方法
 10.2.3 基于子时段PLS模型的在线质量预测方法
 10.2.4 质量分析的辅助指标
 10.2.5 小结
 10.3 注塑过程中的应用研究
 10.3.1 注塑过程的主要质量参数
 10.3.2 实验设计和建模数据
 10.3.3 质量分析的结果与讨论
 10.3.4 离线及在线质量预测的结果与分析
 10.3.5 小结
 10.4 改进的子时段回归建模与质量分析
 10.4.1 引言
 10.4.2 基于子时段的质量相关分析
 10.4.3 基于子时段的PLS建模
 10.4.4 在线质量预测
 10.5 案例研究
 10.5.1 实验设计与建模数据
 10.5.2 基于时段的质量分析与讨论
 10.6 结束语
 参考文献
第11章 基于时段局部及累积作用的质量分析
 11.1 引言
 11.2 质量分析的相关技术
 11.3 基于时段局部及累积作用的质量分析
 11.3.1 基本思想
 11.3.2 基于时段局部作用的统计分析和回归建模
 11.3.3 基于时段累积作用的统计分析和回归建模
 11.4 青霉素发酵过程中的实验研究
 11.4.1 实验设计和建模数据
 11.4.2 基于时段的质量解释与预测分析
 11.5 结束语
 参考文献
第12章 基于子时段的间歇过程在线质量控制
 12.1 引言
 12.2 基于时段的质量控制策略
 12.2.1 基本思想
 12.2.2 离线建模与分析
 12.2.3 在线质量控制
 12.2.4 小结
 12.3 注塑过程中的应用研究
 12.3.1 离线分析
 12.3.2 在线质量控制结果
 12.4 结束语
 参考文献
索引