基于滑动中值滤波的多尺度主元分析方法

提出了一种基于滑动中值滤波的多尺度主元分析(MSPCA)方法,该方法利用中值滤波对主元分析(PCA)前的原始数据进行预处理,以去除异常点,并用多尺度主元分析方法把小波变换和主元分析有机结合起来,通过对过程数据的多尺度建模,来消除系统中的次要主元和小的小波系数,这样既提高了对数据中细微、重要变化的检测灵敏度,又解决了在测量数据中含有异常点的情况下,现有多尺度主元分析难以去除因异常点的存在而产生的虚警问题.仿真验证了该方法的有效性和可行性.     

基于小波的自适应主元分析在过程监测中的应用

用传统主元分析（PCA）建立的过程统计模型是时不变的,而实际的工业过程却具有慢时变的特性。文中针对慢时变引起的过程运行中的误报警问题．给出了一种小波分析与自适应主元分析相结合的混合方法．用小波去噪后再用自适应主元分析递归更新主元模型。利用此方法进行的在线过程监测的计算机仿真结果表明,该方法不仅能大大减少虚警点,还提高了故障检测的准确性。