咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于LTSA和MICA与PCA联合指标的过程监控方法及应用 收藏

基于LTSA和MICA与PCA联合指标的过程监控方法及应用

LTSA and combined index based MICA and PCA process monitoring and application

作     者:江伟 王昕 王振雷 

作者机构:华东理工大学化工过程先进控制和优化技术教育部重点实验室上海200237 上海交通大学电工与电子技术中心上海200240 

出 版 物:《化工学报》 (CIESC Journal)

年 卷 期:2015年第66卷第12期

页      面:4895-4903页

核心收录:

学科分类:08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基  金:国家高技术研究发展计划项目(2013AA040701) 国家自然科学基金重点项目(61134007) 国家自然科学基金面上项目(61174118) 上海市'科技创新行动计划'研发平台建设项目(13DZ2295300) 上海市自然科学基金项目(14ZR1421800) 流程工业综合自动化国家重点实验室开放课题基金资助项目(PAL-N201404) 

主  题:算法 主元分析 过程控制 非高斯 改进的独立成分分析 局部切空间排列算法 联合指标 

摘      要:独立成分分析(ICA)方法主要被用来对线性非高斯过程进行监控,为了提高对非高斯过程的监控效果,则利用过程数据信息对ICA的监控指标进行了改进,提出了一种改进的独立成分分析(MICA)方法。许多实际工业过程数据都具有非线性、非高斯与高斯混合分布的特点,为此提出了一种基于LTSA和MICA与PCA联合指标的过程监控的方法。首先采用局部切空间排列(LTSA)算法对样本数据进行非线性降维,然后分别用MICA和PCA方法得到非高斯与高斯统计量,对其进行加权得到新的统计量,并被用于过程监控。最后将该方法应用在田纳西-伊斯曼(TE)过程和乙烯裂解炉的过程监控中,证明了该方法的有效性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分