基于互信息与核熵成分分析的故障检测算法

现有故障诊断方法对样本数据分布要求过于苛刻且难以提取高阶的统计信息，故本研究提出一种基于互信息与核熵成分分析的故障检测算法(MIKECA)。首先根据训练样本建立核熵成分分析(KECA)模型，然后通过其残差矩阵与互信息求得一种新型统计量—基于互信息的平方预测误差(MISPE),利用核密度估计计算统计量的控制限；最后把测试样本投影在KECA模型上，计算测试样本的统计量并与控制限对比，统计量超出控制限的样本即被识别为故障样本。将这种方法用于TE(Tennessee Eastman)过程的故障检测，对比传统核主成分分析、传统核熵成分分析算法，具有比较明显的优势。