研究背景与问题

连续制药流程在生产过程中面临着多工况、非平稳及变量间强耦合等复杂特性，这些特性使得传统异常监测方法难以有效应对。由于连续制药流程中的异常事件可能导致严重的安全和产品质量问题，因此，如何实现对连续制药流程的高效异常监测与溯源成为研究的热点问题。

研究方法

本研究提出了一种基于变分自动编码器（VAE）与协整分析（CA）融合的连续制药流程异常监测与溯源方法。该方法首先利用狄利克雷过程高斯混合模型（DPGMM）对制药过程的多维数据进行聚类，以识别潜在的异常工况。接着，利用VAE对制药流程中的正常数据进行编码和解码，从而提取关键特征并降低数据的维度。最后，结合协整分析（CA）方法对VAE提取的特征进行分析，实现对异常事件的高效监测和溯源。

核心结果

实验结果表明，所提出的方法能够有效识别连续制药流程中的异常工况，并准确溯源异常事件。与传统方法相比，该方法在监测准确率和溯源效率上均有显著提升。具体而言，监测准确率提高了约15%，溯源效率提高了约20%。此外，实验结果还表明，该方法在不同工况和不同类型的数据集上均具有良好的泛化性能。

结论与意义

本研究提出的方法为连续制药流程的异常监测与溯源提供了一种新的思路。该方法结合了DPGMM、VAE和CA等多种算法的优势，能够有效地处理连续制药流程中的复杂特性。此外，该方法具有较强的鲁棒性和泛化能力，可为实际生产中的连续制药流程异常监测与溯源提供有力的技术支持。本研究的成果对于提高制药行业的生产安全性和产品质量具有重要意义，有望为相关领域的进一步研究提供有益的参考。

文章来源：《控制与决策》 网址: http://www.zzyflzz.cn/qikandaodu/2026/0707/330.html