基于粒子群优化MICA的间歇过程故障监测
多向独立成分分析(MICA)能够获取信号的高阶统计量信息,在间歇过程故障监测中得到长足发展.针对FastICA算法提取非高斯独立成分时,易受初始点的影响,梯度下降无法收敛到极小点以及算法运行前独立主元个数未知的不足,提出基于粒子群优化的MICA算法.并引入支持向量数据描述(SVDD)算法确定过程监控统计量的置信限,避免了核密度估计带来的“维数灾难”等问题.实验设计由青霉素发酵仿真平台完成,结果显示了本文方法优越于传统MICA方法,能够保证获取非高斯性最大的独立成分,使得对故障的监测更加及时有效.
多向独立成分分析、间歇过程、粒子群、支持向量数据描述、故障监测
36
TH165+.3
国家自然科学基金61174109,61364009;城市轨道交通北京实验室资助项目
2015-03-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
152-159