针对复杂工业过程中的多工况和非高斯信息问题,提出一种基于外部分析的ICA-PCA(independentcomponent analysis and principal component analysis)在线统计监测新方法。首先把过程变量分为外部变量和主要变量,通过偏最小二乘(PLS)回归...针对复杂工业过程中的多工况和非高斯信息问题,提出一种基于外部分析的ICA-PCA(independentcomponent analysis and principal component analysis)在线统计监测新方法。首先把过程变量分为外部变量和主要变量,通过偏最小二乘(PLS)回归方法分离外部变量对主要变量的影响,然后利用ICA-PCA两步信息提取策略,完整地提取过程的信息,最后用3个统计量对过程进行监测,建立了一种具有非高斯特性的多工况过程在线监测算法。通过对一个数值例子和连续搅拌槽(CSTR)过程的仿真研究,说明提出的方法是可行、有效的。展开更多
针对复杂工业过程中的非线性、非高斯特性以及多工况问题,提出了一种基于局部模型的在线统计监测新方法.首先利用局部最小二乘支持向量机回归(Least square support vector regression,LSSVR)模型对过程输出进行预测,与真实的输出相比...针对复杂工业过程中的非线性、非高斯特性以及多工况问题,提出了一种基于局部模型的在线统计监测新方法.首先利用局部最小二乘支持向量机回归(Least square support vector regression,LSSVR)模型对过程输出进行预测,与真实的输出相比较构成残差序列.然后利用ICA-PCA两步特征提取策略,完整地提取残差的高斯和非高斯信息,最后用三个统计量(I^2、T^2和SPE)对过程进行监测,建立了一种具有非线性、非高斯特性的多工况过程在线监测算法.通过对TE(Tennessee Eastman)过程的仿真研究,验证提出的方法是可行、有效的,并显示出了一定的故障检测能力.展开更多
文摘针对复杂工业过程中的多工况和非高斯信息问题,提出一种基于外部分析的ICA-PCA(independentcomponent analysis and principal component analysis)在线统计监测新方法。首先把过程变量分为外部变量和主要变量,通过偏最小二乘(PLS)回归方法分离外部变量对主要变量的影响,然后利用ICA-PCA两步信息提取策略,完整地提取过程的信息,最后用3个统计量对过程进行监测,建立了一种具有非高斯特性的多工况过程在线监测算法。通过对一个数值例子和连续搅拌槽(CSTR)过程的仿真研究,说明提出的方法是可行、有效的。
