核熵成分分析算法及其在化工过程监控中的应用研究

作者：康德礼; 李秀喜

来源：计算机与应用化学, 2013, (08): 855-858.

DOI：10.11719/com.app.chem20130806

• 过程监控
• 化工过程
• 核熵成分分析 process monitoring
• chemical process
• kernel entropy component analysis

针对化工过程监测数据复杂、非线性等特点,本文将一种新的降维算法一核熵成分分析算法应用到化工过程监控。与其他的多元统计分析方法相比,核熵成分分析算法可以保证数据降维过程中的信息损失最小从而建立更加可靠的统计模型,进而提高故障检测的检出率。与核主成分分析相似,核熵成分分析也是将数据映射到一个高维空间,在高维空间中进行主元分析,不同之处是KECA在选取主元时采用了信息保有量较大的主元,使得数据在降维后的信息损失量更少。本文使用某石化企业的润滑油重质过程的数据测试算法监控效果,核熵成分分析算法的故障检出率为98.2%,比核主成分分析算法(69.706%)要高。实验结果显示,核熵成分分析算法的化工过程监...

• 出版日期2013
• 单位华南理工大学