基于数据特性分析的多变量过程监测

发布时间：2018-04-10 00:02

  本文选题：变量相关关系　切入点：主成分分析(PCA)　出处：《东北大学学报(自然科学版)》2017年05期

【摘要】：以PCA,ICA为代表的多元统计监测方法总是基于各种各样的前提假设,如果不考虑它们的适用条件盲目选择监测算法,则可能给出错误结论,增加故障误报漏报的概率.针对理论方法在应用时面临的条件限制问题,在无先验知识的情况下,提出一种数据特性的分析方法,通过参数寻优并逐步剔除线性相关变量组的方法,实现多变量过程线性非线性的自动判别.仿真分析表明所提方法可以根据数据特点及各算法的适用条件自动选择适当的监测算法,具有一定的实用价值.
[Abstract]:The multivariate statistical monitoring method represented by PCACICA is always based on a variety of presuppositions. If we blindly select the monitoring algorithm without considering their applicable conditions, we may give a wrong conclusion and increase the probability of failure false positives.In order to solve the problem of conditional restriction in the application of theory and method, a method of analyzing data characteristics without prior knowledge is proposed. The method of parameter optimization is used to eliminate linear correlation variable group step by step.Automatic discrimination of linear nonlinearity of multivariable processes is realized.Simulation results show that the proposed method can automatically select appropriate monitoring algorithms according to the characteristics of the data and the applicable conditions of each algorithm, and has certain practical value.
【作者单位】： 东北大学信息科学与工程学院;东北大学流程工业综合自动化国家重点实验室;沈阳航空航天大学设计艺术学院;
【基金】：国家自然科学基金资助项目(61374146) 辽宁省科学技术计划项目(2015020051) 中央高校基本科研业务费专项资金资助项目(N140404020)
【分类号】：TB114.3

【相似文献】

相关期刊论文 前3条

1 张西安;董春红;孙晓丽;唐艳霞;王国庆;;基于红外光谱-小波变换-核独立成分分析的地黄炮制过程终点确定[J];河南师范大学学报(自然科学版);2009年03期

2 李秀丽;董吉文;吴瑞海;;KICA与Relief算法相结合的人脸识别研究[J];山东科学;2011年05期

3 ;[J];;年期

相关会议论文 前3条

1 王国庆;董春红;孙雨安;丁青竹;孙晓丽;;基于核独立成分分析-小波变换-红外光谱法的地黄炮制过程监控[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 傅若玮;宋执环;;基于核独立成分分析的过程故障检测方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 李华;李吉光;高钧;张天龙;李华;;在线红外结合核独立成分分析对3,5-二氨基-1,2,4-三唑合成机理的研究[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

相关硕士学位论文 前8条

1 梁欢;基于核独立成分分析的心电信号特征提取和分类算法研究[D];天津工业大学;2016年

2 朱菲菲;基于数据驱动的工业过程故障诊断研究[D];哈尔滨理工大学;2017年

3 彭磊;分块核独立成分分析的人脸识别方法研究[D];广东工业大学;2012年

4 祝元春;基于核独立成分分析的发酵过程监测方法研究[D];北京化工大学;2013年

5 刘卓欣;基于核独立成分分析的边缘特征表示[D];华南理工大学;2011年

6 娄俊;基于核独立成分分析的人脸检测与识别系统的应用研究[D];武汉科技大学;2008年

7 任亚平;基于核独立成分分析的图像去噪[D];华南理工大学;2011年

8 孙士博;核独立成分分析在心律失常模式分类中的应用[D];燕山大学;2009年

，

本文编号：1728741