摘要
生产过程的运行状态通常包含多种评估指标，如经济性、产量、能耗等。复杂的工业过程监控需要考虑这些指标之间信息的相关性及相互支撑关系。本文提出了一种基于质量感知网络（QAN）的多指标综合监控方法。该方法通过引入相关性度量来筛选与指标相关的变量，并利用自注意力机制挖掘变量间的关联关系，从而构建多指标的“质量源图”。该方法从与指标高度相关的质量源图空间出发，借助体现过程变量间关联关系的结构拓扑，对指标相关性特征空间进行划分，提升了该方法对单一指标相关性的故障检测能力。针对实际生产中多指标监控的不同侧重点，本文提出了两种质量源图融合方法：经验设定法和机器自学习法。在田纳西东方人和氨合成工艺上的实验表明，QAN可通过经验设定和自学习机制融合质量源图，实现过程运行的全面监控。
同行评审
为保证透明度，与本文相关的同行评审文档可在https://doi.org/10.1002/cjce.70484获取。
数据可用性声明
本研究所得结果所依据的数据，可在合理请求下向通讯作者获取。
