| 工业过程核概率主元模型建立及监控指标 |
| |
| 引用本文： | 赵忠盖,刘飞.工业过程核概率主元模型建立及监控指标[J].华东理工大学学报(自然科学版),2006,32(7):864-867. |
| |
| 作者姓名： | 赵忠盖 刘飞 |
| |
| 作者单位： | 江南大学自动化研究所 无锡214122 |
| |
| 基金项目： | 新世纪优秀人才支持计划 |
| |
| 摘 要： | 概率主元分析(PPCA)能够根据过程变量的预测误差及其主元的白化值实现对过程的监控。但是PPCA只适合线性过程,而对非线性过程的监控效果不理想。为克服上述缺点,提出一种基于核PPCA(KPPCA)的过程监控方法,定性讨论了KPPCA模型的参数和主元个数选择问题,构造了高维空间的SPE和T2监控指标。该方法利用核函数将非线性数据映射到高维空间,去除了过程的非线性,然后利用PPCA对满足线性关系的过程变量映射值进行监控。仿真结果验证了该方法对非线性过程监控的优越性。
|
| 关 键 词： | 核概率主元分析(KPPCA) 监控指标 TE过程 非线性 高维空间 |
| 文章编号： | 1006-3080（2006）07-0864-04 |
| 收稿时间： | 2006-02-22 |
| 修稿时间： | 2006年2月22日 |
Kernel Probabilistic Principal Component Model and Monitoring Indices in Industrial Process |
| |
| ZHAO Zhong-gai, LIU Fei.Kernel Probabilistic Principal Component Model and Monitoring Indices in Industrial Process[J].Journal of East China University of Science and Technology,2006,32(7):864-867. |
| |
| Authors: | ZHAO Zhong-gai LIU Fei |
| |
| Abstract: | |
| |
| Keywords: | KPPCA monitoring indices TE process nonlinear high-dimensional space |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
