科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对工业过程的多模态和非线性特性，提出一种基于局部邻域标准化(Local Nelghbor Standardization, LNS)和核主元分析(Kernel Principa Component Analysis, KPCA)相结合的故障检测方法(LNS-KPCA)。通过计算训练数据集中样本之间的距离来确定每一个样本的最近K近邻集合，然后利用该K个近邻集的均值和标准差对当前样本进行标准化处理，以消除过程数据的多分布特征，使得标准化后的数据服从或近似服从同一正态分布，结合核主元分析能够处理非线性过程的特征，在标准化后的数据集中应用KPCA确定T2和SPE控制限进行故障检测。在非线性数值例子和青霉素发酵过程中进行了仿真研究，并与主元分析(Principal Component Analysis, PCA)、KPCA和K近邻故障检测(FD-KNN)等方法进行对比分析验证了该方法的有效性。
- 单位
