一种基于迁移特征的面向具有时滞的大规模过程的质量相关分布式监控框架

《Process Safety and Environmental Protection》：A quality-related distributed monitoring framework based on transfer features for large-scale processes with time delays

　　

摘要

大型工业过程的日益复杂化给保障过程安全与产品质量的过程监测带来了更大挑战。考虑到物料与能量的传递路径、变量间的强耦合以及操作单元之间固有的时延，本文提出了一种基于块间关联分析（IBCA）算法的质量相关分布式监测框架。首先，根据工艺流程和设备的相对空间位置，将过程分解为若干顺序子块。为关注时延可能带来的潜在影响，设计了一种块内变量的时延估计方法，并采用距离相关方法估计相邻子块之间的时延。随后，提出一种新颖的IBCA算法以提取传递特征，并将这些特征考虑时延后合并至下一个相邻子块中。该算法反映了信息从上游子块向下游子块的传递。最后，开发了一套监测框架，以实现对含时延的大型过程中质量相关故障的检测。通过数值算例、田纳西伊士曼过程（TEP）以及醋酸乙烯单体（VAM）过程三个案例，验证了所提方法的有效性。

引言

近年来，由于工业过程对安全保证、产品质量和能效的需求日益提高，过程监测技术受到了广泛关注（Zhao和Sun，2018；Bai等，2023；Ni和Jiang，2025）。随着传感器技术和数据存储设备的发展，多变量统计过程监测（MSPM）方法已广泛应用于工业过程监测中（Zhang等，2015）。特别是基于主成分分析（PCA）和独立成分分析（ICA）的扩展方法，以不同方式提取潜在特征并建立统计量以判断是否发生故障。

在上述方法中，仅使用过程变量进行建模，而忽略了质量变量。然而，质量变量作为关键性能指标，在实际工业过程中的系统调节和故障检测中发挥着重要的监督作用（Tao等，2023）。因此，质量相关故障检测方法受到了越来越多的关注。主成分回归（PCR）和偏最小二乘（PLS）是应用于过程监测的经典方法（Sun等，2022），但它们仍存在一些缺陷。Li等（2010）指出PLS执行的是斜分解。随后，Zhou等（2010）提出了总偏最小二乘（TPLS）以克服该问题，并研究了其与正交PLS之间的关系。类似地，总主成分回归（TPCR）也得到了提出（Wang和Jiao，2018）。Kong等（2023）设计了输入-输出核偏最小二乘以提取质量相关特征。此外，Li等（2022）通过考虑变量之间的时间相关性实现了质量相关监测。上述方法构建集中式模型来监测整个过程。然而，工业过程通常趋向于大型化、集成化和复杂化。考虑到多个操作单元和控制回路，传统的集中式方法已不适用于全厂过程监测。

与集中式方法相比，分布式过程监测方法通过子块建模提供了一种检测和定位故障的有效途径（Zhu等，2018）。Jiang等（2019）分析并回顾了分布式监测的必要性和实用性。Zhong等（2020）在对大规模动态过程进行过程分解时，同时考虑了变量之间的相关性和冗余性。Dong等（2022）提出了一种故障相关变量子集划分方法用于早期故障检测。此外，Ma等（2019）为多种质量相关故障建立了实时分层检测方案。

然而，许多分布式监测方法忽略了子块之间的顺序关系。上游子块的运行状态直接影响相邻的下游子块。而且，上述方法中的子块在分别进行建模和监测时被假设为相互独立的。尽管某些方法考虑了子块之间的耦合关系，但忽略了相邻子块之间的顺序信息传递。

为关注子块之间的链式特征传递效应，Zhang等（2024）提出了一种基于特征传递的两层分布式故障诊断方法。Jiang等（2021）从通信的角度分析了基于块内和块间相关性的数据传递，降低了局部测量数据的不确定性。然而，在实际过程中，时延是固有的过程特性。它可以定义为系统中某一点事件开始到其导致的动作在另一点出现之间的时间间隔（Ahmed等，2006）。时延由设备的固有结构、操作单元的相对空间位置以及工艺步骤的具体环节等因素决定。通过分析时延，可以更精确地描述过程状态以提高可解释性。鉴于同一操作单元或子块内的变量紧密相连，当每个子块被视为一个节点时，子块之间也存在时延。因此，发生故障时对质量指标的影响并非立竿见影，需要一段信息传递的时间。Cattaldo等（2024）总结了多种数据驱动的时延估计方法。其中，Pearson相关、Kendall相关和Spearman相关作为经典方法用于估计两个变量之间的时延。其应用实例包括脱芳烃过程建模的预处理步骤（Shannon，1948）以及聚合过程中熔融流动指数的计算（Zhang等，2006）。互信息和距离相关是估计多变量时延的更灵活方法，已应用于工业生物过程数据集。Graziani和Xibilia（2021）利用输入-输出相关性和适当范数来估计软测量设计中的时延。Chen和Zhao（2021）构建了时延分析的分层动态框架，并将其应用于醋酸乙烯单体（VAM）过程。

总体而言，对于含时延的大型过程监测，将整个过程划分为子块进行分析是一种相对常见的策略。Cattaldo等（2024）和Chen与Zhao（2021）分别针对时延估计提出该方法，Cao等（2021）和Rong等（2019）分别针对过程分析和故障检测提出该方法，与不划分块相比，均显示出性能提升。对于多子块模型的时延估计，Cattaldo等（2024）也建议使用距离相关和互信息方法。Ji等（2021）应用TDMI分析故障传播中的成对变量。然而，当需要同步对齐多个变量时，优先选用距离相关，本文后续也将采用此方法。

本文提出了一种基于子块间特征传递的质量相关分布式监测框架，用于监测含时延的大型过程。首先，根据操作单元的空间位置和物料传递的链式路径，将过程划分为顺序子块。然后，在每个子块中保留与质量指标相关的关键过程变量。其次，由于实际工业过程中变量或子块之间存在时延，采用距离相关方法估计块间时延，并设计了一种块内时延估计方法。以块内时延作为时间窗口，开发块间关联分析（IBCA）算法以提取相邻子块之间的传递特征。随后，基于IBCA算法设计了大型过程的质量相关故障检测框架。通过将每个上游子块的传递特征融入下一个子块，模拟子块之间的顺序传递效应。在最后一个子块中，使用先前累积的传递信息构建PCR模型来检测质量相关故障。将所提方法应用于三个案例以验证其可行性和有效性。本文的主要贡献总结如下。

1. 设计了一种基于互信息的块内变量时延估计方法，并采用距离相关方法估计块间时延。
2. 提出了一种新颖的块间关联分析（IBCA）算法，用于提取反映子块间信息传递关系的特征。
3. 提出了一种面向含时延和信息传递的大型过程的质量相关分布式监测框架。

本文其余部分组织如下：第2节介绍时延估计方法和IBCA算法。第3节详细描述所提出的质量相关分布式过程监测框架。第4节通过三个案例验证所提方法的有效性。第5节提供讨论。第6节总结全文。

第2节片段：过程分解与关键过程变量选择

工业环境中噪声干扰不可避免，因此需要对采集的输入数据X∈R^(n×m)和质量数据Y∈R^(n×l)进行预处理。首先，检查数据分布并检测异常值。采用z-score方法识别异常值并将其替换为相应的均值。然后，应用卡尔曼滤波以减少随机波动，再进行数据标准化。

为表征信息传递和块间时延，利用相关方法筛选与质量指标相关的关键过程变量。

第3节片段：质量相关分布式监测框架

基于IBCA的质量相关分布式过程监测整体流程如图2算法所示，监测框架如图1所示。

第4节片段：案例研究

本节提供三个案例：数值算例、田纳西伊士曼过程（TEP）和醋酸乙烯单体（VAM）过程。

关键过程变量选择

在2.1节中，采用Pearson相关来筛选关键过程变量。目前，其他常用的非线性相关准则包括互信息和Spearman相关。由于这三种准则关注不同类型的关联信息，基于它们构建的模型在不同过程或故障类型下可能表现出不同的监测性能。然而，现有研究并未提供确凿证据证明线性或非线性相关准则孰优孰劣。

结论

本文开发了基于IBCA的监测框架，以解决含时延的大型过程中的质量相关故障检测问题。首先，考虑工艺流程和操作单元的相对空间位置，将整个过程划分为顺序子块。为关注大型过程中的时延，设计了块内和块间时延估计方法。随后，开发了用于提取块间传递特征的IBCA算法。

作者贡献声明

Kun Wang：撰写初稿、可视化、验证、软件、方法论、数据整理、概念化。Hongbo Shi：监督、经费获取、概念化。Bing Song：监督、经费获取。Yang Tao：监督、经费获取。Chengtian Wang：软件、概念化。

利益冲突声明

作者声明他们不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。

Kun Wang|Hongbo Shi|Bing Song|Yang Tao|Chengtian Wang