基于自组织神经网络与核密度估计的非线性MPCA在线故障监测
针对多向主元分析(MPCA)不能提取复杂的非线性系统变量间的非线性特性以及T~2统计量置信限的确定是以主元得分呈正态分布为假设前提的情况,提出了一种基于自组织神经网络与核密度估计的非线性加PCA在线故障监测方法.该方法甩自组织神经网络去提取变量问的非线性特征信息;用核概率密度函数去估计非线性主元的置信限.将该方法应甩到β-甘露聚糖酶补料分批发酵过程的在线故障监测中,应用效果表明用非线性主元比用同样数目的线性主元能够获取更多的变量信息,并且用核密度估计置信限的方法比用参数估计的方法能更准确地对故障进行监测.
多向主元分析、自组织神经网络、核密度估计、非线性主元、在线故障监测
32
TP273(自动化技术及设备)
广东省自然科学基金项目9151063101000043;国家"八六三"高技术研究发展计划项目2009AA05Z203
2012-02-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
989-993