| 基于FDA-KDE间歇过程在线监控 |
| |
| 引用本文： | 肖应旺,刘冬杰,杨军,张承忠,姚美银.基于FDA-KDE间歇过程在线监控[J].计算机与应用化学,2014(9):1075-1079. |
| |
| 作者姓名： | 肖应旺 刘冬杰 杨军 张承忠 姚美银 |
| |
| 作者单位： | 1. 华南师范大学南海校区信息工程与技术系，广东，佛山，528225
2. 华南师范大学教育信息技术中心，广东，广州，510631 |
| |
| 基金项目： | 国家自然科学基金资助项目(61174123)；广东省自然科学基金资助项目 |
| |
| 摘 要： | 针对基于传统的多向主元分析(Multiway Principal Component Analysis,MPCA)方法用于间歇过程在线监控时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且统计量控制限的确定是以主元得分呈正态分布为假设前提的缺陷,结合Fisher判别分析(Fisher Discriminant Analysis,FDA)在数据分类及非参数统计方法核密度估计(Kernel Density Estimation,KDE)在计算概率密度函数方面的优势,提出了一种FDA-KDE的间歇过程监控方法。该方法首先利用FDA求取正常工况数据和故障数据的Fisher特征向量和判别向量,获得Fisher特征向量的相似度:然后在提出偏平均集成平方误差(Biased Mean Integrated Squared Error,BMISE)交叉验证法确定KDE的带宽从而获得相似度统计量控制限的基础上,利用已获得的数据测量值对过程进行监控,避免了基于MPCA方法对未来测量值的预估;最后采用基于Fisher判别向量权重的贡献图方法来进行故障诊断。通过对青霉素发酵间歇过程应用表明,所提出的方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。
|
| 关 键 词： | FDA-KDE 间歇过程 过程监测 故障诊断 |
Batch process on-line monitoring based on fisher discriminant analysis and kernel density estimation |
| |
| Xiao Yingwang,Liu Dongjie,Yang Jun,Zhang Chenzhong,Yao Meiying.Batch process on-line monitoring based on fisher discriminant analysis and kernel density estimation[J].Computers and Applied Chemistry,2014(9):1075-1079. |
| |
| Authors: | Xiao Yingwang Liu Dongjie Yang Jun Zhang Chenzhong Yao Meiying |
| |
| Affiliation: | Xiao Yingwang;Liu Dongjie;Yang Jun;Zhang Chenzhong;Yao Meiying;Nanhai Campus,South China Normal University;Center for Information Technology in Education,South China Normal University; |
| |
| Abstract: | |
| |
| Keywords: | fisher discriminant analysis and kernel density estimation batch process process monitoring fault diagnosis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
