科研之友
微信
新浪微博
Facebook
分享链接
摘要
在现代大型工业过程中,其过程数据往往不服从高斯分布,独立成分分析(ICA)算法已广泛应用于非高斯过程监测。然而,各变量间存在着不同的相关性,为了挖掘各变量间相关性大小的差异,本文提出一种基于互信息的变量加权型ICA过程监测方法 (MI-WICA)。MI-WICA通过对计算数据矩阵中各变量间的互信息来定义相关性,并以此为依据对原数据矩阵进行加权处理,由此可得多个不同的变量加权型数据集。然后利用ICA算法对各加权矩阵分别建立故障检测模型,以用于工业过程监测。该方法突出了各变量间相关性大小的差异,对数据特征的描述更加全面。最后,通过数值仿真与TE过程仿真实验来验证该方法的优越性。
- 单位
