递推MPLS算法在质量相关故障在线监控中的应用

"这篇论文主要讨论了一种名为递推改进潜结构投影(RMPLS)的算法，用于解决工业系统中质量相关故障的在线监控问题。传统的潜结构投影(MPLS)算法在处理缓时变过程时存在局限，因为它们需要定期更新模型以保持对当前过程的有效描述。数据扩充方法虽然常用于模型更新，但会导致历史数据的重复使用和样本积累，进而降低更新效率。 RMPLS算法通过引入递推结构，能够动态地更新MPLS模型，避免了样本累积，显著提升了模型更新速度。论文通过对比RMPLS与MPLS在田纳西-伊斯曼过程中的应用，展示了RMPLS在减少计算量的同时，能更有效地检测质量相关故障，从而增强了系统的监控性能。 该研究对于工业过程的故障检测具有重要意义，特别是在实时监控和动态系统优化方面。作者孔祥玉、罗家宇、杜柏阳和曹泽豪在《控制与决策》期刊上发表的这篇文章，提供了对偏最小二乘方法的改进，以及在质量相关故障检测中的应用，这可能对相关领域的研究和实践产生积极影响。" 这篇论文涉及的知识点包括： 1. 潜结构投影(MPLS)算法：这是一种多元统计分析方法，用于研究过程变量与质量变量之间的相关性，在稳态过程故障监控中广泛应用。 2. 缓时变工业系统：这类系统的特点是参数随着时间缓慢变化，对模型的实时适应性有高要求。 3. RMPLS算法：递推改进的MPLS算法，通过动态更新模型，解决了MPLS在缓时变过程中的局限性。 4. 数据扩充方法：一种常见的模型更新策略，但可能导致历史数据的过度使用和低效的模型更新。 5. 模型更新效率：RMPLS通过避免样本累积，显著提升了模型更新的速度。 6. 故障检测：论文着重于质量相关故障的在线监控，这是工业生产中保障产品质量和安全的关键环节。 7. 田纳西-伊斯曼过程：一个经典的化工过程模拟模型，常用于验证和测试故障检测算法的性能。 8. 偏最小二乘(PLS)：作为基础的统计学习方法，它在多元数据分析中寻找最优的线性组合，用于预测和建模。 此外，相关的其他研究还包括： 1. 基于正交信号修正与高效偏最小二乘的质量相关故障检测方法，通过正交信号校正提高故障检测的准确性。 2. 基于偏最小二乘的质量相关多模态故障检测技术，利用多模态信息增强故障识别能力。 3. 偏最小二乘线性模型及其非线性动态扩展模型综述，探讨了PLS在非线性动态系统中的应用。 4. 基于Block-RPLS模型自适应更新的质量预测方法，利用Block-RPLS模型进行质量预测并动态调整。 5. 正交信号校正的自回归模型及其在动态过程监测中的应用，展示了正交信号校正在动态过程监控中的作用。