基于MICA-OCSVM的间歇过程故障监测
针对多向独立成分分析(multi-way independent component analysis,MICA)需要假设过程变量服从非高斯分布的要求,以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题,研究了一种将多向独立成分分析与单类支持向量机(one-class support vector machines,OCSVM)相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模,利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量,并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台,实验结果表明:该方法相比于传统的MICA故障监测方法,无需考虑过程变量服从何种分布,能够有效利用独立成分的结构信息,故障的误报率、漏报率明显降低.
多向独立成分分析、单类支持向量机、间歇过程、故障监测
40
TP274.5(自动化技术及设备)
国家自然科学基金资助项目61174109,61364009;高等学校博士学科点专项科研基金资助项目20101103110009
2014-10-30（万方平台首次上网日期，不代表论文的发表时间）
共6页
1472-1477
