| 基于粒子群优化MICA的间歇过程故障监测 |
| |
| 引用本文： | 高学金,崔宁,张亚潮,齐咏生,王普.基于粒子群优化MICA的间歇过程故障监测[J].仪器仪表学报,2015,36(1). |
| |
| 作者姓名： | 高学金 崔宁 张亚潮 齐咏生 王普 |
| |
| 作者单位： | 1. 北京工业大学电子信息与控制工程学院 北京100124
2. 内蒙古工业大学电力学院 呼和浩特010051 |
| |
| 基金项目： | 国家自然科学基金，城市轨道交通北京实验室资助项目 |
| |
| 摘 要： | 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Fast ICA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。
|
| 关 键 词： | 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 |
Detection of batch processes based on MICA Optimized with PSO |
| |
| Gao Xuejin,Cui Ning,Zhang Yachao,Qi Yongsheng,Wang Pu.Detection of batch processes based on MICA Optimized with PSO[J].Chinese Journal of Scientific Instrument,2015,36(1). |
| |
| Authors: | Gao Xuejin Cui Ning Zhang Yachao Qi Yongsheng Wang Pu |
| |
| Affiliation: | 1. School of Electronic Information and Control Engineering, Beijing University of Technology;2. School of Electric Power, Inner Mongolia University of Technology |
| |
| Abstract: | |
| |
| Keywords: | MICA batch processes PSO SVDD fault detection |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
|
