摘要

間歇過程是生物制藥、精細化工和食品飲料行業(yè)中的主要生產(chǎn)方式，但是因其間歇式的特點，存在著周期性批量生產(chǎn)、物料狀態(tài)和操作參數(shù)呈現(xiàn)動態(tài)性、工藝控制要求高等特點。發(fā)酵過程是一種典型的間歇過程，發(fā)酵過程關乎經(jīng)濟發(fā)展和人民生活水平的提高，生物制藥是國務院確立的七大戰(zhàn)略性新興產(chǎn)業(yè)之一，在京津冀一體化中將起到重要的支撐作用。本書圍繞生物發(fā)酵過程的批次不等長特性、動態(tài)特性和多階段特性，研究以往方法在進行監(jiān)測時存在的問題，通過建立高效高精度過程監(jiān)測模型，降低監(jiān)測的誤報率和漏報率，保障運行安全，做到及時捕捉發(fā)酵過程中各檢測變量的變化，若發(fā)現(xiàn)監(jiān)測故障，及時通知工作人員，工作人員通過調(diào)整發(fā)酵環(huán)境或暫停生產(chǎn)，盡可能地提高產(chǎn)物質(zhì)量、穩(wěn)定生產(chǎn)或者減少損失，進而減少能源消耗和資源浪費。研究成果一旦獲得推廣，會極大地提高發(fā)酵生產(chǎn)過程的安全性，減少事故的發(fā)生和資源的浪費，創(chuàng)造較大的經(jīng)濟效益和社會效益。

本書的主要研究內(nèi)容如下：

(1)研究一種基于AP聚類的階段劃分方法。

針對間歇過程的多階段特性，采用AP聚類算法，此算法在進行過程階段劃分時無需過程的先驗知識，通過將S準則引入AP聚類的迭代過程中，從而達到精確階段劃分的效果。在每個子階段內(nèi)建立監(jiān)測模型更符合實際操作進程或過程的機理特性，同時階段劃分可以達到局部線性化的效果。

(2)提出一種多變量自回歸主元分析(MAR-PCA)算法。

間歇生產(chǎn)過程數(shù)據(jù)，由于系統(tǒng)本身存在時滯特性、閉環(huán)控制和擾動，大多數(shù)過程變量都呈現(xiàn)出動態(tài)特性，即不同時刻的采樣之間時序相關，此時如果依然采用傳統(tǒng)主元分析算法，那么得到的主元得分會時序自相關，甚至各主元間互相關，進一步造成故障的誤報率增加。

(3)研究基于信息傳遞的采樣點階段歸屬判斷。

研究故障監(jiān)測時新時刻采樣點的最佳模型選擇問題，引入信息度傳遞實現(xiàn)實時采樣點的階段歸屬判斷，解決階段不等長批次的最佳模型選擇問題，做到新時刻采樣點能落入對應的實際操作階段，從而選取相對應階段的監(jiān)測模型實現(xiàn)實時樣本點的監(jiān)測。

(4)提出子階段自回歸主元分析發(fā)酵過程故障監(jiān)測方法。

將單變量過程的時序分析方法拓展到多變量情形，區(qū)別具有強動態(tài)性的過渡階段及平穩(wěn)的穩(wěn)定階段，對其分別建立自回歸主元分析(Auto Regression-Principal Component Analysis，AR-PCA)模型以及多向主元分析(Multiway Principal Component Analysis，MPCA)模型，以消除過渡階段的動態(tài)性，有效降低過程監(jiān)測的誤報率和漏報率。

(5)大腸桿菌發(fā)酵現(xiàn)場試驗研究。

將本書研究內(nèi)容應用于實際生產(chǎn)過程，借助于大腸桿菌發(fā)酵實驗檢驗所用研究方法的合理性及有效性。結果表明，本書所提出的方法較傳統(tǒng)方法可有效降低故障的誤報率和漏報率，有著更加可靠的監(jiān)測性能，可以很好地指導操作人員及時發(fā)現(xiàn)并有效排除故障。

關鍵詞：發(fā)酵過程；批次加權；階段歸屬；AR-PCA；故障監(jiān)測