一种基于局部模型的非线性多工况过程监测方法

摘要：

针对复杂工业过程中的非线性、非高斯特性以及多工况问题,提出了一种基于局部模型的在线统计监测新方法.首先利用局部最小二乘支持向量机回归(Least square support vector regression, LSSVR)模型对过程输出进行预测,与真实的输出相比较构成残差序列.然后利用ICA-PCA两步特征提取策略,完整地提取残差的高斯和非高斯信息,最后用三个统计量(I2、T2和SPE)对过程进行监测,建立了一种具有非线性、非高斯特性的多工况过程在线监测算法.通过对TE (Tennessee Eastman)过程的仿真研究,验证提出的方法是可行、有效的,并显示出了一定的故障检测能力.

关键词：多工况、非高斯、非线性、局部模型、最小二乘支持向量机回归(LSSVR)、ICA-PCA

所属期刊栏目：34

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金20576116

在线出版日期：2008-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：792-797