基于LPP-GNMF算法的化工过程故障监测方法

发布时间：2017-09-18 08:11

  本文关键词：基于LPP-GNMF算法的化工过程故障监测方法

  更多相关文章： 算法 故障监测 主元分析 广义非负矩阵分解 局部投影保留 模拟

【摘要】：提出了基于LPP-GNMF算法的化工过程故障监测方法。非负矩阵分解(NMF)是一种新兴的降维算法,由于它在机理上具有潜变量的正向纯加性的特点,所以在对数据进行压缩时,可以基于数据内部的局部特征有效描述数据信息,相比于传统的多元统计过程监控方法如主元分析(PCA)等有更好的解释能力。然而NMF要求原始数据满足非负性的要求,实际的化工过程有时并不能保证,为放宽对原始数据的非负要求,引入了广义非负矩阵分解(GNMF)算法。其次,GNMF在分解的过程中没有考虑到样本间的局部结构和几何性质,可能存在不能准确处理数据的问题。针对这一问题,提出了将GNMF与LPP(局部投影保留)相结合的算法。将提出的LPP-GNMF算法应用于TE过程来评估其监测性能,并与PCA算法、NMF算法、SNMF算法进行比较,仿真模拟结果表明所提算法的可行性。
【作者单位】： 华东理工大学化工过程先进控制和优化技术教育部重点实验室;
【关键词】： 算法 故障监测 主元分析 广义非负矩阵分解 局部投影保留 模拟
【基金】：国家自然科学基金项目(61374140);国家自然科学基金青年科学基金项目(61403072)~~
【分类号】：TQ02;TP277
【正文快照】： 引言随着化工过程的日趋复杂,为了确保生产设备的安全运行,提高生产的效率,改善产品的质量,避免因系统故障而产生灾难性的事故,对过程的生产状态进行故障监测变得十分重要。同时,随着计算机集散系统的广泛应用,化工过程中产生的大量数据被记录下来。如何有效利用这些高维、相，

本文编号：874368