基于自适应主成分分析的化工过程在线监测

摘要：

当主成分分析(principal component analysis,PCA)应用于过程监测时,不适当的成分选择方法会导致变异特征被分散或被淹没从而影响监测性能.针对这个问题提出了成分的自适应选择方法并用于过程监测,即自适应主成分分析(adaptive principal component analysis,APCA).自适应主成分应用于过程监测时主要包括3个步骤:首先,在离线建模时基于载荷矩阵通过欧氏距离计算各个成分的相似性,并基于每个成分选出与其相似性较高的成分构成多个成分子空间;其次,在线监测时基于在线样本的各成分通过核密度估计计算各个成分的变异概率,选择出变异概率最高的成分作为特征成分;最后,挑选出与特征成分对应的成分子空间,并构造T2统计量.通过数值仿真案例和田纳西伊斯曼(tennessee eastman,TE)过程证明了提出方法APCA的有效性.

关键词：过程监测、主成分分析、子空间、自适应

所属期刊栏目：41

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金青年基金资助项目;上海市青年科技英才杨帆计划;上海工程技术大学人才计划项目——展翅计划

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：44-48