融合FDA-PCMC样本分类的KPCA故障检测新算法

作者：祝志博; 宋执环

来源：控制与决策, 2010, (04): 542-545+550.

DOI：10.13195/j.cd.2010.04.64.zhuzhb.019

• 故障检测
• Fisher判别分析-可能性C-均值聚类
• 核主元分析 Fault detection
• Fisher discriminant analysis-possibilistic C-means clustering
• Kernel principal component analysis

针对处理实际工业过程中提取的建模样本不纯而导致故障检测失效的问题,提出一种新的融合Fisher判别分析-可能性C-均值聚类(FDA-PCMC)的核主元分析(KPCA)故障检测算法.通过FDA特征提取、初分类和PCMC聚类相结合的方代来实现建模样本的有效分类和提纯,然后使用KPCA进行实时故障检测.对Tennessee Eastman(TE)过程的仿真研宄结果表明了该算法的可行性和有效性.

• 单位
  浙江大学; 工业控制技术国家重点实验室