基于MKECA的非高斯性和非线性共存的间歇过程监测

• 作者: 乔俊飞 常鹏 李征 王普 高学金
• 来源期刊: 化工学报
• 关键词: 间歇过程 多向核独立成分分析 多向核熵成分分析 多向核熵独立成分分析
• 年，卷（期）: 2018,（3）
• 页码范围: 1200-1206
• 页数: 7页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171329

摘要

多向核独立成分分析(multiway kernel independent component analysis, MKICA)在监测间歇过程非高斯性和非线性方面取得了广泛应用,其仅仅是将线性独立成分分析(independent component analysis, ICA)方法利用核主成分分析(kernel principal component analysis, KPCA)白化扩展到非线性领域,但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足,为解决此问题,采用核熵成分分析(kernel entropy component analysis, KECA)代替 KPCA白化的过程监测方法.该方法首先利用 AT展开方法将过程三维数据变为二维数据;其次用 KECA 进行白化处理的同时解决数据的非线性;然后建立 ICA 监测模型用于非高斯生产过程监测;最后将该方法应用到青霉素发酵仿真和实际的工业过程并与MKICA方法进行对比,验证该方法的有效性.

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
3	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
5	高学金	北京工业大学信息学部	85	865	16.0	25.0
7	常鹏	北京工业大学信息学部	14	101	6.0	9.0
17	李征	北京工业大学信息学部	6	103	4.0	6.0