将并行偏最小二乘(CPLS)算法引入到间歇过程监控中,提出一种多向并行偏最小二乘(MCPLS)监控方法。CPLS算法可以提取过程变量与质量变量的相关信息,也能对彼此不相关的信息进行主元提取。与基于PLS的监控方法不同,基于CPLS的过程监控方法提供了一个完整的监控框架,不仅能够监控过程变量,而且也能监控质量变量的信息,更好地反映了过程的运行状态。文中首先将间歇过程三维数据转换为二维数据,然后应用CPLS算法建立过程监控模型,构建T2c,T2x,Qx,T2y,Qy监控指标,并通过间歇过程批次间的统计特性计算

人工智能-机器学习-间歇过程计算机辅助HAZOP研究.pdf

基于时段的间歇过程统计建模, 在线监测及质量预报

基于T-S模糊模型的间歇过程的迭代学习容错控制

给定控制参数可以输出仿真结果，青霉素生产发酵过程是一种具有时变性、多阶段操作性以及非高斯性等特点的典型的间歇生产过程，可利用青霉素仿真软件对所提出的方法的状态监测性能进行测试与验证，通过改动初始条件和控制参数，模拟出不同的发酵结果。 里面包含了一份软件的使用说明文档，帮助大家学习！