基于得分矩阵和支持向量数据描述(SM-SVDD)的过程监测

摘要：

针对复杂工业过程中的非线性和高斯信息问题,提出了一种基于SM-SVDD (score matrix-support vector data descrip-tion)的过程监测方法.SVDD模型不受线性和高斯假设的限制,克服了传统PCA统计监测方法假设过程满足线性和高斯分布的缺陷.首先,应用PCA算法对过程数据进行分解,提取出得分矩阵信息.然后,采用SVDD算法对得分矩阵建立基于距离的统计量并构建其相应的统计限.通过对Tennessee Eastman (TE)过程的仿真研究,验证了提出的故障监测算法的可行性和有效性,并提高了故障的监测效果.

关键词：主成分分析方法、支持向量数据描述、得分矩阵、故障检测

所属期刊栏目：16

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金61263010、60904049;江西省青年科学基金20114BAB211014;江西省教育厅研究项目GJJ14399;国家留学基金2011836118

在线出版日期：2016-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：125-131