ESWA基于时空特征提取网络的复杂工业过程多性能指标协同监测方法
在智能制造的背景下，工业流程变得越来越复杂，在流程、产品品种和绩效指标（PI）方面都是现代化的。近年来，性能驱动的过程监控引起了广泛关注。然而，大多数方法都需要过程变量和PI之间的时空对应，很少考虑各种PI之间的相关性。本文提出了一种基于时空特征提取的多性能指标协同监测框架。首先，考虑到PI测量中的缺失数据，开发了一种基于加权张量核范数（WSTNN）的批处理数据完成方法，该方法可以深入处理局部缺失和不完整数据问题，并为后续建模建立时空对应关系。其次，针对特定的PI，设计了一种新的典型变量分析嵌入式时空卷积网络（CVA-STCN），用于提取具有时空依赖性的PI相关特征。第三，考虑到多个PI的动态相互作用，建立了一个三阶特征张量来进行未来的融合，并通过张量分解探索了各种PI相关特征之间的相关性。最后，在几个子空间上开发了一个分层的多性能指标协同监测模型。该方法在田纳西-伊士曼工艺和实际热轧带钢工艺上得到了验证。总体而言，在更高的故障检测率和更低的误报率方面，所提出方法的监测性能优于传统方法。此外，多子空间协同监测图提供的信息可以为现场工程师提供有价值的指导。
