【假一罚四】运行工况监测与故障溯源推理

工业决定着国民经济现代化的速度、规模和水平，在当今世界各国国民经济中起着主导作用。打造具有国际竞争力的工业，是提升综合国力、保障国家安全、建设世界强国的必由之路。在国家战略指导下，以智能制造为主导方向的工业自动化技术在迅速推进。工业生产过程也在朝着大型化、复杂化和智能化的方向高速发展。

提升产品质量、减少能源消耗、提高生产效率、降低生产成本和保障生产安全，是工业过程智能化的几个重要目标。其中，提高工业过程的安全性，尤其是降低生产事故和异常情况出现的频率，对于提高生产效率、保证人员和设备的安全以及提高工业生产流程的经济效益有着十分重要的意义。因此，对工业生产过程或者运行设备进行故障监测与诊断，排除潜在的异常状态，预防重大事故发生，已然成为当前工业领域亟须解决的重要问题。

随着计算机技术和传感器技术的不断发展，先进的集散控制系统应运而生，实时获取工业过程数据的能力大大提高，海量的过程历史数据也因此被存储下来。如何从历史数据中挖掘过程运行状态信息，并据此建立有效的过程监测与故障诊断模型，成了工业过程控制领域新的研究热点，具有重要的理论价值与现实意义。本书将深入解析复杂工业过程的数据特性，并在此基础上结合先进的机器学习技术介绍一系列的过程监测与故障诊断方法，目的是实现异常行为的及时监测和过程故障的准确溯源，从而为消除故障影响、恢复正常生产提供便利。同时，本书的工作也能为后续的设备故障检修、剩余寿命预测等打下坚实的基础，为提高企业的产品竞争力和市场经济效益提供有力的保障。

在国家自然科学基金委、科技部和工信部等资助下，笔者长期从事面向工业过程智能监控的基础理论方法与关键技术研究工作，先后提出并发展了一系列运行工况识别、故障溯源诊断方法，用数字化与智能化手段提升工业装备服役效能，促进了该领域的进一步发展。本书将结合笔者在具体工业领域的多年实践经验，从分析实际工业过程的具体特性出发，基于机器学习方法，介绍基本的工业过程智能监控技术以及作者在这些领域的最新研究成果，围绕工业过程智能监控的若干核心问题展开论述。本书第1 章首先介绍了工业过程运行工况监测和故障溯源推理的重要性，并详细分析了前人的相关研究工作。第2 章综述了工业过程智能监控相关的机器学习理论基础，重点阐述了以协整分析、典型相关分析、慢特征分析、混合高斯模型和自编码网络为代表的无监督学习方法和以线性判别分析、随机森林、卷积神经网络、宽度学习和零样本学习为核心的监督学习方法。第3～7 章主要介绍了对过程生产状态的感知与异常情况的预警，即过程监测方法，具体包括基于稀疏协整分析的变工况分布式建模与过程监测、条件驱动的大范围非平稳瞬变过程建模与状态监测、基于动态双层解析的工业过程动静协同精细工况识别、基于递归指数慢特征分析的精细化自适应过程监测、基于降噪自编码器和弹性网的非线性鲁棒监测与故障隔离。第8～12 章主要介绍了异常变量的隔离与过程故障的诊断，即故障诊断方法，具体包括多模型指数判别分析方法及其在故障诊断中的应用、基于动静协同解析的增强随机森林故障诊断、具有增量学习能力的宽度卷积神经网络及其故障诊断、基于细粒度对抗网络的域自适应方法及跨域故障诊断、基于零样本学习的数据与知识融合方法及故障诊断。第3～12 章包含了作者近几年的一系列研究成果，即对工业过程智能监控中的实际具体问题的分析与解决办法。

本书涉及的研究成果得到了众多科研机构的支持，其中特别感谢NSFC-浙江两化融合联合基金(No.U1709211)、国家杰出青年科学基金(No.62125306)、国家重点研发计划（2019YFC1908100）、中央高校基本科研业务费专项资金（浙江大学NGICS 大平台)、工业控制技术国家重点实验室自主课题(ICT2021A15)、流程工业综合自动化国家重点实验室开放课题基金资助项目(2020-KF-21-07)。

《史记》中有一句话：泰山不让土壤，故能成其大；河海不择细流，故能就其深。经历科研的蹒跚学步，到逐步熟练得心应手，在人生的不同阶段，笔者何其有幸得到了多位品德高尚的老师的指导和帮助。博士求学期间以及工作阶段，在东北大学王福利教授、香港科技大学高福荣教授和加拿大阿尔伯塔大学黄彪教授指导下，针对机器学习方法以及工业过程监测与故障诊断进行了许多深入的研究工作，受益匪浅；自2012 年1 月加入浙江大学孙优贤院士团队以来，得到了孙院士无私的爱护和关怀；母校柴天佑院士一直关心东大学子的成长，不吝指导着笔者的研究工作和研究方向。两位院士德高望重，笔者每一步的成长、进步和发展都得到了两位院士的指引和帮助。在此，特别表达对两位院士的深切感恩之情。

在本书编写期间，研究生陈军豪、宋鹏宇、郑嘉乐、赵健程、田畅、王婕、李宝学、赵诣、王应龙等做了文献翻译、整理、格式校对等方面的工作。在本书正式出版之际，谨向他们表示衷心的感谢。

由于理论水平有限，以及所做研究工作的局限性，书中难免存在不妥之处，恳请广大读者批评指正。

赵春晖

2021 年6 月于浙江大学

本书围绕工业生产过程智能监控的若干核心问题展开论述。首先介绍工业过程运行监测和故障溯源推理的重要性、工业过程智能监控相关的机器学习理论基础。在此基础上，介绍过程生产状态的感知与异常情况的预警，即过程监测方法，具体包括针对大规模工业过程的分布式监测方法、针对复杂时变过程的条件驱动建模方法、针对过程正常慢变化和工况切换的自适应监测方法等。接下来介绍异常变量的隔离与过程故障的诊断，即故障诊断方法，具体包括针对故障过程时变的多模型判别方法、针对历史数据稀缺的增量学习方法、迁移学习和零样本学习方法等。本书可作为自动控制或信息科学等相关专业研究生的教学参考书，同时对从事自动化过程监控研究、设计、开发和应用的广大工程技术人员也具有一定的参考价值。

本书的作者长期从事于工业过程数据解析与智能监控方面的研究，本书结合近些年提出的机器学习方法针对工业过程变工况特性开展过程监测和故障诊断研究。本书将是国内少有的系统介绍变工况复杂工业过程智能监控方面的书籍。