摘要
独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,提出LTSA-ICA过程监控方法,首先用LTSA从高维数据空间中提取出低维子流形,然后在这个低维子流形上执行线性ICA算法,在保留ICA对非高斯过程处理优势的同时,较好地解决了非线性的问题。在田纳西-伊斯曼(TE)过程上的仿真表明上述方法的有效性。
The independent component analysis（ICA）has been successfully applied in the linear non-Gaussian processes monitoring. However,ICA can not deal with the process when the data are strongly nonlinear. On the other hand,the local tangent space alignment（LTSA）is able to extract the nonlinear structure of the process dataset. Hence,a LTSA-ICA monitoring method is proposed in combining the advantages of ICA and LTSA. LTSA is applied to extract the underlying manifold structure,and ICA is applied in the sub-manifold space. The proposed method showed a satisfactory performance when used to monitor the Tennessee Eastman process.
出处
《化工进展》
EI
CAS
CSCD
北大核心
2010年第10期1840-1844,共5页
Chemical Industry and Engineering Progress
基金
国家杰出青年科学基金项目(60625302)
国家863重点项目(2007AA041402)
上海市重点学科建设资助项目(B504)
关键词
局部切空间排列
独立成分分析
过程监控
非线性
local tangent space alignment（LTSA）
independent component analysis（ICA）
process monitoring
nonlinear
