基于NGPP-SVDD的非高斯过程监控及其应用研究

• 作者: 刘雪芹 张建明 王树青 谢磊
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: 独立成分 支持向量数据描述 微粒群优化 故障检测
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 短文
• 页码范围: 107-112
• 页数: 6页
• 分类号: TP277
• 字数: 5732字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2009.00107

摘要

提出了基于NGPP-SVDD(Non-Gaussian projectionpursuit,NGPP;Support vector data description,SVDD)的统计过程监控和故障检测方法,避免了传统统计过程监控方法假设数据服从正态分布的不足.针对传统的FastICA(Fast independent compo-nent analysis)算法容易陷入局部极小值的不足,结合微粒群算法提出非高斯投影算法(NGPP),保证提取的独立成分非商斯性最大化,并给出了非高斯成分数目的选择准则.获得过程非高斯独立成分之后,利用SVDD来描述其分布情况,构造新的统计量确定其统计控制限.通过对数值仿真及工业应用研究表明,该方法能够及时地发现过程中出现的异常情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	浙江大学智能系统与控制研究所工业控制技术国家重点实验室	30	376	12.0	18.0
2	王树青	浙江大学智能系统与控制研究所工业控制技术国家重点实验室	111	2290	29.0	43.0
3	谢磊	浙江大学智能系统与控制研究所工业控制技术国家重点实验室	69	567	13.0	21.0
4	刘雪芹	浙江大学智能系统与控制研究所工业控制技术国家重点实验室	1	37	1.0	1.0