仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
9期
2111-2117
,共7页
最大方差展开%Laplacian特征映射%SVDD%非线性动态过程%故障检测
最大方差展開%Laplacian特徵映射%SVDD%非線性動態過程%故障檢測
최대방차전개%Laplacian특정영사%SVDD%비선성동태과정%고장검측
maximum variance unfolding (MVU)%Laplacian eigenmap (LE)%support vector data description (SVDD)%nonlinear and dynamic process%fault detection
针对化工过程数据的非线性和动态性分布特征,引入Laplacian特征映射(LE),提出了一种基于改进最大方差展开(MVU)的特征提取算法.在改进算法中,局部以欧式距离、全局以测地线距离为尺度度量数据间差异性,以更好反映数据内在几何性质;此外,借鉴LE算法思路,通过最小化近邻点间距离实现流形结构保持.改进算法兼具全局特性保持和局部流形学习能力,计算效率也有较大提高.将其用于提取非线性动态过程高维数据子流形特征,利用SVDD在特征空间建立故障检测模型,构造统计量并确定其控制限.TE过程仿真及丙烯聚合过程实验研究表明改进方法能有效挖掘过程特征信息、监控过程变化并及时检测故障发生,故障检测率较传统方法有显著提高.
針對化工過程數據的非線性和動態性分佈特徵,引入Laplacian特徵映射(LE),提齣瞭一種基于改進最大方差展開(MVU)的特徵提取算法.在改進算法中,跼部以歐式距離、全跼以測地線距離為呎度度量數據間差異性,以更好反映數據內在幾何性質;此外,藉鑒LE算法思路,通過最小化近鄰點間距離實現流形結構保持.改進算法兼具全跼特性保持和跼部流形學習能力,計算效率也有較大提高.將其用于提取非線性動態過程高維數據子流形特徵,利用SVDD在特徵空間建立故障檢測模型,構造統計量併確定其控製限.TE過程倣真及丙烯聚閤過程實驗研究錶明改進方法能有效挖掘過程特徵信息、鑑控過程變化併及時檢測故障髮生,故障檢測率較傳統方法有顯著提高.
침대화공과정수거적비선성화동태성분포특정,인입Laplacian특정영사(LE),제출료일충기우개진최대방차전개(MVU)적특정제취산법.재개진산법중,국부이구식거리、전국이측지선거리위척도도량수거간차이성,이경호반영수거내재궤하성질;차외,차감LE산법사로,통과최소화근린점간거리실현류형결구보지.개진산법겸구전국특성보지화국부류형학습능력,계산효솔야유교대제고.장기용우제취비선성동태과정고유수거자류형특정,이용SVDD재특정공간건립고장검측모형,구조통계량병학정기공제한.TE과정방진급병희취합과정실험연구표명개진방법능유효알굴과정특정신식、감공과정변화병급시검측고장발생,고장검측솔교전통방법유현저제고.
