让工业数据“看得见”：新方法实现复杂化工过程的可视化监控与故障诊断｜FCSE

背景：数据驱动的过程监控方法在工业中应用广泛，可视化监控有助于操作人员直观掌握运行状态，对提升工业安全性和生产效率至关重要，但高维工业数据的复杂结构使得传统二维可视化方法难以区分不同故障类型。研究目的：本文旨在提出一种结合监督型均匀流形逼近与投影和自适应标签分配策略的可视化过程监控方法，以增强可视化效果并解决在线样本标签缺失问题。结论：该方法通过纳入标签信息指导非线性降维，提高了类间分离度和类内紧凑性；设计的标签分配策略整合核Fisher判别分析与贝叶斯推断，为在线样本分配标签，提升了在线投影的可分离性，并在一定程度上实现了未知数据的可视化；在田纳西-伊斯曼过程和实际连续催化重整过程中的验证表明，其可视化故障监控与诊断性能优于现有先进方法，在实际工业应用中表现突出。