基于核主成分空间支持向量机的过程监视方法_中国煤炭行业知识服务平台

基于核主成分空间支持向量机的过程监视方法

作者

郭金玉李涛李元
单位

沈阳化工大学信息工程学院
摘要

为了有效改进支持向量机（SVM）在工业过程中的故障检测性能,提出一种基于核主成分空间支持向量机的过程监视方法。首先,运用核主成分分析方法（KPCA）处理数据,获取数据的核主成分,在核主成分空间计算Hotelling′s T2统计量;然后,在T2统计量基础上加入时滞特性和时差特性,并将三者组合成增广矩阵,运用正常数据和故障数据的增广矩阵训练SVM模型;最后,运用SVM模型对测试数据进行分类,实现对故障的有效检测。将本研究方法应用于非线性数值例子和田纳西-伊斯曼工业过程中,与PCA、KPCA、传统的SVM和KPCA-LSSVM方法作比较,进一步验证了该方法的有效性。
关键词

支持向量机核主成分分析过程监视非线性过程
基金项目(Foundation)

国家自然科学基金重大项目（61490701）;国家自然科学基金项目（61673279）；辽宁省教育厅项目（LJ2019007）；
文章目录

1 基于核主成分空间支持向量机的过程监视
1.1 支持向量机
1.2 基于核主成分空间的支持向量机方法
1.3 基于核主成分空间支持向量机的过程监视
2 仿真结果与分析
2.1 非线性数值例子
2.2 田纳西-伊斯曼(Tennessee Esatman, TE)过程仿真
3 结论
引用格式

郭金玉,李涛,李元.基于核主成分空间支持向量机的过程监视方法[J].山东科技大学学报(自然科学版),2022,41(01):114-122.DOI:10.16452/j.cnki.sdkjzk.2022.01.013.
相关文章

[1]基于局部近邻标准化和主多项式算法的故障检测