PDPSO优化多阶段AR-PCA间歇过程监测方法

• 作者: 王普 高学金 黄梦丹 齐咏生
• 来源期刊: 化工学报
• 关键词: 间歇过程 种群多样性 粒子群优化 仿射传播聚类 自回归主元分析
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3914-3923
• 页数: 10页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20180369

摘要

针对间歇过程固有的多阶段特性和动态性,提出基于种群多样性的自适应惯性权重粒子群算法(PDPSO)优化的多阶段自回归主元分析(AR-PCA)间歇过程监测方法.该方法引入了PDPSO算法指导AP聚类偏向参数的选取,避免了传统方法依据聚类评价指标选取参考度时的盲目性.对PDPSO优化AP聚类的多阶段发酵过程的数据样本建立AR-PCA模型能够消除各阶段的动态性及变量之间的自相关和互相关影响.最后,对自回归(AR)模型的残差矩阵建立主成分分析(PCA)模型用于发酵过程监测.将该方法应用到青霉素发酵过程,并与传统方法进行对比,结果表明,该方法能够有效进行间歇过程阶段划分并降低故障的漏报和误报.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王普	北京工业大学信息学部	206	1897	22.0	33.0
2	高学金	北京工业大学信息学部	85	865	16.0	25.0
6	齐咏生	内蒙古工业大学电力学院	49	363	11.0	17.0
19	黄梦丹	北京工业大学信息学部	1	1	1.0	1.0