摘要:
在复杂工业系统的监控中,因子分析(FA)方法不需要专业的机理知识,应用系统日常运行数据建立模型,充分考虑了模型误差的普遍意义,具有较大的推广价值。针对实际过程的动态特性,基于自回归(AR)方式扩展过程变量数据矩阵,本文提出一种动态因子分析(DFA)的数据建模方法,充分提取了变量的自相关信息和互相关信息。另一方面,将DFA引入过程监控中,构建统计量作为监控指标,分别衡量变量的特征信息和误差信息,从而实现对动态过程运行状况的监控与评估。在Tennessee-Eastman(TE)过程中的应用研究,反映了这种方法的优越性。