特征空间递归更新的ICA算法及发酵过程监测应用

作者：刘世成; 高彦臣; 王海清; 李平

来源：化工学报, 2008, (11): 2830-2836.

• 独立元分析
• 过程监测
• 特征空间
• 青霉素发酵过程 independent component analysis
• process monitoring
• feature space
• penicillin fermentation process

及时更新监测模型以适应过程的时变特性,对准确检测出化工过程异常和设备故障具有重要意义。针对普通独立元分析(ICA)算法在更新计算监测模型时计算复杂度高、效率低的缺点,提出了一种基于特征空间递归更新的在线独立元分析(RUFS-ICA)算法。将算法应用于青霉素发酵过程的在线建模与监测中,与普通ICA方法相比,仿真统计结果表明,平均误警率降低至1.67%,基本克服了漏报现象;与其他在线更新算法相比,复杂度明显降低,计算时间减少54.1%,节省了存储量。

• 单位
  工业控制技术国家重点实验室