控制与决策

作者：赵春晖,陈旭

单位：浙江大学 控制科学与工程学院,杭州 310027,,浙江大学 控制科学与工程学院,杭州 310027,

关键词：工业时间序列;分解建模;过程监测;低质量特性;动态特性;非平稳特性;研究综述

基金：国家自然科学基金杰出青年基金项目(62125306)；浙江省“尖兵”“领雁”研发攻关计划项目(2024C 01163).

数据驱动的过程监测是确保工业过程安全运行的重要手段.工业数据大多以时间序列的形式存在.由于工艺复杂性、噪声干扰等影响,工业时间序列往往呈现出低质量、强动态和非平稳等特性,给监测模型的建立带来了困难.尽管研究学者针对不同特性分别提出了相关方法,但这些方法之间的内在关联几乎没有被挖掘.鉴于此,揭示这些方法所蕴含的共性出发点:在工业过程中,仅知晓故障存在与否往往难以满足实际需求,需要对复杂时间序列特性进行深度分解,以实现对过程状态多方面的精细感知;从一种分解的视角出发,综述现有多元统计方法如何针对时间序列各类复杂特性进行建模,通过将复杂的时间序列分解成多个具有实际物理意义的成分,提供可解释的监测结果;总结提炼不同建模方法的核心分解思想并进行对比,并针对各类方法梳理监测统计量的构造与含义;最后,对工业时间序列分解建模工作进行总结和展望,提出未来研究方向.

来源：2024年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第11期