基于ICA-MPCA的间歇过程监测方法

被引:18
作者
肖应旺 [1 ]
徐保国 [2 ]
机构
[1] 华南师范大学南海校区计算机工程系
[2] 江南大学通信与控制工程学院
关键词
间歇过程; MPCA; ICA; ICA-MPCA; β-甘露聚糖酶间歇发酵过程;
D O I
10.19650/j.cnki.cjsi.2009.05.018
中图分类号
TP274.4 [];
学科分类号
摘要
针对基于多向主元分析(multi-way principal component analysis,MPCA)的间歇过程监测方法需要事先假定变量呈高斯分布的缺陷,提出了一种新的ICA(independent component analysis,ICA)-MPCA多变量间歇过程统计监测方法。该方法先用ICA法从过程信息中抽取非正态分布的特征信号,并确定联合分布的统计置信限;然后对提取非正态特征信号后残余的服从多元正态分布的过程信息进行MPCA分析,从而避免了基于MPCA间歇过程监测方法需假设过程特征信号全部服从正态分布的前提。将该法应用于β-甘露聚糖酶间歇发酵过程监测,结果表明该法不仅能有效地监测出故障,尤其是对过程变量不满足正态分布的情况下,能够准确地对过程进行监测。
引用
收藏
页码:990 / 996
页数:7
相关论文
共 7 条
[1]   基于ICA和高阶累积量的AR序列的分解与复原 [J].
张玉洁 ;
祁锐 ;
李宏伟 .
仪器仪表学报, 2008, (09) :1836-1840
[2]   基于主元空间数据分布比较的统计过程监测 [J].
赵春晖 ;
王福利 ;
贾明兴 .
仪器仪表学报, 2008, (08) :1598-1604
[3]   独立元分析方法(ICA)及其在化工过程监控和故障诊断中的应用 [J].
陈国金 ;
梁军 ;
钱积新 .
化工学报, 2003, (10) :1474-1477
[4]   独立成分分析方法综述 [J].
杨竹青 ;
李勇 ;
胡德文 .
自动化学报, 2002, (05) :762-772
[5]  
信息论与最优编码.[M].章照止;林须端编著;.上海科学技术出版社.1993,
[6]   The application of principal component analysis and kernel density estimation to enhance process monitoring [J].
Chen, Q ;
Wynne, RJ ;
Goulding, P ;
Sandoz, D .
CONTROL ENGINEERING PRACTICE, 2000, 8 (05) :531-543
[7]   Non-parametric confidence bounds for process performance monitoring charts [J].
Martin, EB ;
Morris, AJ .
JOURNAL OF PROCESS CONTROL, 1996, 6 (06) :349-358