《帶有批間控制器的混合產品批次過程監控和故障診斷》是依託華中科技大學，由鄭英擔任項目負責人的面上項目。
基本介紹
- 中文名：帶有批間控制器的混合產品批次過程監控和故障診斷
- 項目類別：面上項目
- 項目負責人：鄭英
- 依託單位：華中科技大學
中文摘要,結題摘要,
中文摘要
批次製造工業的過程監控和故障診斷對於其安全高效的運行至關重要。然而隨著批間控制器的使用和產品種類的增加，傳統的過程監控和故障診斷方法遇到了新的挑戰。本項目針對帶有批間控制器的混合產品批次製造過程，考慮批間控制器和混合產品切換給過程及其數據帶來的影響，提取偽正常狀態和多模型、強動態性和批次不一致現象的數據特徵，區分干擾變化和關鍵/非關鍵變數上的故障，在多元統計、模式識別和機器學習方法的基礎上研究新的過程監控和故障診斷方法，為批次製造工業過程的工程實際問題的解決提供理論依據。同時，利用企業數據構建仿真和實驗平台，對理論研究成果加以驗證，為未來該方法的大規模運用奠定基礎。本項目處於學科前沿，既來源於生產實際，又回歸於工程套用，具有重大的理論意義和實用價值。
結題摘要
批次製造工業的過程監控和故障診斷對於其安全高效的運行至關重要。本項目針對帶有控制器的製造過程，考慮了批間控制器以及PID、MPC等其他控制器對過程及其數據帶來的影響，提取“偽正常”狀態和多模態、強動態的數據特徵，通過自適應Lasso等系統辨識方法建立了時間序列數據模型，設計了控制器性能指標、穩定性指標和模型質量指標來監控系統運行狀態，進行故障檢測和診斷；分析多個變數之間的相關性，採用Takagi–Sugeno模糊模型來處理未知的隨機度量時延,在此基礎上建立批次過程的批間補償算法；採用了最小風險貝葉斯決策理論將誤診的風險和以前的故障診斷結果引入到當前的診斷過程中，提出了一種並行偏最小二乘的數據模型來分別檢測與過程數據和質量數據有關的故障，提高了故障診斷效率。並且，相關成果在半導體製造業和和薄膜列印業中得到了套用，解決了實際工業監控問題。本項目處於學術前沿，既來源於生產實際，又回歸於工程套用，具有重大的理論意義和實用價值。
