基于核典型相关性-熵成分分析的工业过程质量监测方法
工业过程多变量、数据高维度和非线性的特点使得对其质量监测及质量相关的故障诊断变得复杂.融合核熵成分分析(KECA)及典型相关分析(CCA)方法的思想,进行特征提取降维的同时确保所提取特征与质量变量的最大相关性,提出一种新的质量相关的工业过程故障检测方法.首先,采用KECA对输入数据进行核空间的映射及特征提取,同时融合CCA算法思想使得所提取特征与质量变量间关联最大化;然后,构建监测统计量并用Parzen窗估计其控制限,用于过程的故障检测;最后,运用所提方法对带钢热连轧工业过程实际生产数据进行分析,并与其他4种传统非线性算法对比分析,实验结果验证了所提方法的准确性、有效性及先进性.
质量监测;故障诊断;带钢热连轧;核熵成分分析;典型相关分析;Parzen窗
36
TP273(自动化技术及设备)
国家自然科学基金项目61873024
2021-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2999-3006