工业过程系统建模与监控是正确指导生产、保证安全生产的重要手段,也是进行过程优化与控制、保障生产过程平稳运行的基础。工业生产过程通常都存在着高度非线性与不确定性,工艺机理复杂,设备工段繁多,因此采用机理建模方法以及基于数学模型的监控方法来研究这些过程都存在相当大的难度。由于目前底层基本控制系统及数据库技术的普及,生产过程的数据很丰富,故常可以考虑建立描述对象外特性的统计模型。统计建模与监控方法一般对系统内部机理的了解要求很少,甚至可以在完全不了解系统内部结构和机理的情况下建立模型。丙烯聚合过程机理复杂,生产工艺多样。熔融指数(MI)是确定产品牌号的重要指标,由于缺乏在线分析仪表,测量间隔和迟延很大,给质量控制带来了不利的影响,特别是在产品牌号切换过程中会产生大量的不合格料,带来了经济上的损失。本文的研究正是着眼于统计方法在工业过程特别是丙烯聚合过程中的应用,主要的工作与成果有: (1) 介绍了工业过程建模与监控的有关知识;引入了主成分分析与偏最小二乘回归等多元统计与回归方法,并分析了其基本思想与优缺点。 (2) 针对丙烯聚合过程的强非线性、多变量相关性以及多尺度特性,提出将主成分分析、多尺度系统理论和人工神经元网络相结合的PCA-MSA-RBF模型,用于熔融指数的预报,取得了较好的效果。 (3) 在介绍了统计学习理论与支持向量机的基础上,引入了最小二乘支持向量机和鲁棒最小二乘支持向量机用于工业过程建模。应用于生产实例,效果显著。 (4) 在分析了传统的多变量统计过程控制方法的优缺点之后,将独立成分分析与支持向量分类器相结合,对丙烯聚合过程的监控进行了初步的研究,工业实例表明了该方法的有效性。