基于对数变换和最大信息系数PCA的过程监测

摘要：

主元分析(principal component analysis,PCA)被广泛应用于工业生产过程监测.PCA假设数据服从高斯分布且协方差矩阵仅能评估变量间的线性关系,无法衡量变量间非线性依赖程度.基于此,提出了一种基于对数变换和最大信息系数(maximal information coefficient,MIC)PCA的过程监测方法.首先,应用对数变换对过程数据进行变换,在一定程度上改善数据分布.然后,采用可以度量变量间的非线性相关性的MIC矩阵替换协方差矩阵,从而改善对非线性非高斯过程的监测效果.最后通过在田纳西-伊斯曼过程(tennessee eastman process,TE)仿真研究验证了该方法的可行性和有效性.

关键词：主元分析方法、最大信息系数、对数变换、过程监测

所属期刊栏目：17

分类号：TP277(自动化技术及设备)

资助基金：辽宁省科学技术计划项目2015106015 资助

在线出版日期：2017-08-02（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：259-265