基于相似性度量的MWSVDD非高斯间歇过程监控

• 作者: 周文伟 赵小强
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 间歇过程 多阶段 混合分布 支持向量数据描述 相似性度量
• 年，卷（期）: 2019,（2）
• 页码范围: 259-266
• 页数: 8页
• 分类号: TP277
• 字数: 5811字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2019.02.009

摘要

针对间歇过程的非线性、多阶段、过程变量的高斯和非高斯混合分布问题,提出了基于相似性度量的多向加权支持向量数据描述(similarity measure-MWSVDD,SmMWSVDD)算法.该算法首先考虑了阶段间的相似性,将多阶段过程分为稳定阶段和过渡阶段;然后在高维核空间定义了一种新的核相似度权重,对支持向量数据描述(SVDD)建模得到的所有半径进行均衡考虑,克服了SVDD构建控制限的缺陷;通过D检验法将混合分布变量分为高斯分布和非高斯分布变量,并分别用多向核主成分分析(MKPCA)和改进的SVDD进行建模监控;最后通过贝叶斯推断在每个阶段集成各自统一的监控量.通过青霉素发酵实验平台进行验证,结果表明,所提算法比MKPCA和SVDD算法的误报率平均降低了20.21％和漏报率平均降低了10.27％,对多阶段和混合分布的间歇过程监控更加有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小强	兰州理工大学电气工程与信息工程学院	66	312	10.0	13.0
10	周文伟	兰州理工大学电气工程与信息工程学院	4	2	1.0	1.0