复杂工业过程数据通常具有非高斯性和强非线性特征,为此提出了一种基于核独立成分分析和支持向量数据描述(KICA-SVDD)的非高斯非线性系统的故障检测方法.该方法首先运用核独立成分分析方法对数据进行特征提取,然后通过引入支持向量数据描述对独立主元成分进行建模,并计算相应的统计量及控制限,实现非高斯非线性系统下的故障检测.最后在Tennessee-Eastman(TE)过程上进行了仿真实验,结果表明所提出的方法降低了故障错分比例和漏检比例,验证了其可行性和有效性.
科研之友
微信
新浪微博
Facebook
分享链接
