基于核可預(yù)測(cè)元分析的非線性過(guò)程監(jiān)測(cè)技術(shù).pdf

1、信息技術(shù)的發(fā)展使得現(xiàn)代工業(yè)過(guò)程逐漸趨于智能化和復(fù)雜化，為保障工業(yè)過(guò)程的安全可靠，過(guò)程監(jiān)測(cè)技術(shù)變得越來(lái)越重要，基于數(shù)據(jù)驅(qū)動(dòng)的方法是目前該領(lǐng)域中的重點(diǎn)研究方向，其關(guān)鍵是如何更有效的利用工業(yè)過(guò)程中大量的過(guò)程數(shù)據(jù)進(jìn)行過(guò)程監(jiān)測(cè)。
　　核可預(yù)測(cè)元分析（Kernel Forecastable Component Analysis，KForeCA）是一種新的數(shù)據(jù)特征提取方法，具有非常好的非線性數(shù)據(jù)處理能力，它在高維特征空間通過(guò)線性變換使得數(shù)據(jù)中的

2、不確定性最小化，分解得到可預(yù)測(cè)主元空間和正交白噪聲空間，并且考慮數(shù)據(jù)的時(shí)序相關(guān)性。因此，相比傳統(tǒng)的方法，KForeCA方法可以提取具有動(dòng)態(tài)時(shí)序特性和預(yù)測(cè)性的數(shù)據(jù)特征。
　　基于KForeCA的這些優(yōu)點(diǎn)，本文將KForeCA用于非線性故障檢測(cè)與診斷領(lǐng)域，構(gòu)造新的基于概率的監(jiān)控統(tǒng)計(jì)量，并根據(jù)KForeCA可預(yù)測(cè)性的特點(diǎn)，將其用于緩慢故障的預(yù)測(cè)，對(duì)過(guò)程監(jiān)測(cè)技術(shù)作了有益的探索。具體來(lái)講，本文的主要工作有如下幾個(gè)方面。
　　1.將KF

3、oreCA用于非線性故障檢測(cè)，提出基于概率的集成統(tǒng)計(jì)量構(gòu)造方法，突出有用信息的作用，提高了故障檢測(cè)的靈敏度，并將移動(dòng)窗方法用于監(jiān)測(cè)過(guò)程，將歷史數(shù)據(jù)信息考慮到當(dāng)前過(guò)程信息中，提高了過(guò)程監(jiān)測(cè)的性能。
　　2.提出基于Fisher核可預(yù)測(cè)元分析（Fisher-KForeCA）的故障診斷方法，將 KForeCA提取的可預(yù)測(cè)主元，投射到最優(yōu)分類(lèi)方向，基于判別式最小距離進(jìn)行故障診斷，避免了冗余信息對(duì)故障分類(lèi)的影響，降低了故障診斷的錯(cuò)誤分類(lèi)率。