基于滑动窗口KECA-SVM的非线性过程故障检测
为了有效地提高支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于滑动窗口的核熵成分分析(KECA)和支持向量机(SVM)结合(MWKECA-SVM)的非线性过程故障检测方法.运用核熵成分分析(KECA)提取包含非线性特征信息的得分向量作为SVM的输入.运用正常和故障数据的非线性特征向量训练SVM模型获得判别分类函数.建立模型之后,运用滑动窗口对模型进行动态更新.将MWKECA-SVM方法应用于田纳西-伊斯曼过程中,并与核主元分析(KPCA)、滑动窗口KPCA (M WKPCA)、KECA和SVM方法进行比较.结果 表明,MWKECA-SVM方法能够动态地提取过程变量的特征信息,有效地提高故障检测率,在一定程度上增强了信息的动态提取和实时监控能力.
滑动窗口;核熵成分分析;支持向量机;非线性过程;故障检测;实时监控
34
TP277(自动化技术及设备)
辽宁省教育厅资助项目LJ2019007
2022-03-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
37-44