多尺度自適應(yīng)PCA及其在過程監(jiān)測中的應(yīng)用研究.pdf

1、主元分析PCA方法是一種被廣泛應(yīng)用的過程監(jiān)測方法。它能夠從高維數(shù)據(jù)中提取出最主要的信息，實現(xiàn)數(shù)據(jù)的降維，從而簡化分析過程，實現(xiàn)對過程的有效監(jiān)測。對于實際工業(yè)生產(chǎn)過程，尤其是化工生產(chǎn)過程，保證生產(chǎn)過程的安全可靠至關(guān)重要，有效的過程監(jiān)測可以讓生產(chǎn)過程更安全、操作更可靠、效率更高。介于主元分析方法的諸多優(yōu)勢，將此方法及其改進算法運用于工業(yè)過程中來實現(xiàn)有效的過程監(jiān)測是一個富有挑戰(zhàn)性的研究方向。
　　 本文首先對傳統(tǒng)的主元分析方法進行研究

2、，并分析傳統(tǒng)主元分析方法的優(yōu)缺點。詳細介紹各種常用的主元提取方法，尤其是應(yīng)用最廣泛最具代表性的累積貢獻率CPV法，詳細分析各種方法的局限性。在原有主元提取方法的基礎(chǔ)上，本文中提出了一種新的閾值法來自適應(yīng)提取主元，通過數(shù)學(xué)模型與標(biāo)準TE過程仿真實驗，充分驗證了所提出方法的有效性。
　　 隨后，介于傳統(tǒng)PCA方法的局限性，文中詳細闡述了兩種自適應(yīng)主元分析方法——遞推主元分析和移動窗主元分析，并在兩種方法的基礎(chǔ)上結(jié)合文中所提出的閾值法

3、對原算法進行一定程度的改進，提出了兩種基于閾值法的改進算法基于閾值法的改進遞推主元分析和基于閾值法的改進移動窗主元分析。通過數(shù)學(xué)模型與標(biāo)準TE過程仿真實驗，驗證了兩類改進算法的有效性。
　　 最后，介于傳統(tǒng)的PCA及自適應(yīng)PCA方法均為單尺度建模，不能實現(xiàn)多尺度分析的缺點，文中詳細研究了多尺度主元分析算法。在Mallat算法的基礎(chǔ)上，實現(xiàn)對信號的多分辨率分析，從而實現(xiàn)多尺度建模。在傳統(tǒng)的多尺度主元分析的基礎(chǔ)上，結(jié)合閾值法及移動窗