鲁棒慢特征分析建模及过程监控
慢特征分析(slow feature analysis,SFA)可以通过2步主元分析(principal component analysis,PCA)进行求解.目前,鲁棒SFA主要通过引入鲁棒PCA算法代替标准PCA算法来实现.考虑到标准SFA中动态特征采用静态特征的一阶差分进行描述,容易受到离群点的影响,提出一种改进的鲁棒SFA算法.该算法引入微分平滑算法求解静态特征的一阶差分,降低了离群点对SFA中第二步PCA的影响,提高了鲁棒性.同时,将该改进鲁棒SFA方法引入到过程监控中,并将现有基于SFA监控方法的4个监控指标简化到2个,提高了监控效率.最后,通过与SFA以及现有鲁棒SFA方法在TE过程中的应用对比,说明了该方法的优越性.
慢特征分析、鲁棒PCA、过程监控、监控指标
30
TP391.9(计算技术、计算机技术)
无锡学院引进人才科研启动专项2022r024
2023-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
910-917