科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的核慢特征分析（Kernel Slow Feature Analysis,KSFA）在非线性动态过程监控中存在微小故障检测率低的问题.针对该问题，该文提出了一种加权统计局部核慢特征分析（Weighted Statistical Local Kernel Slow Feature Analysis,WSLKSFA）故障检测方法 .利用KSFA方法提取过程中具有缓慢变化的特征空间数据和残差空间数据；利用局部方法中残差函数的思想和加权统计特征构造数据改进的统计特征，增大故障样本的偏离程度；利用新的数据集建立过程监控检测统计量完成过程故障检测.将所提出的方法通过田纳西-伊斯曼（Tennessee-Eastman,TE）过程进行验证，通过与KPCA、SFA、KSFA作对比分析，验证WSLKSFA方法在微小故障的检测能力方面所具有的优越性.
- 单位
