科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂工业过程数据分布复杂的情况,提出了一种基于IC-SVDD(independent component-support vector data description)的工业过程故障监测方法。由于实际工业过程数据存在非线性和非高斯性问题,为了解决这两个同时存在的问题,采用IC-SVDD算法对数据进行处理。首先,利用独立成分分析算法对工业过程数据进行ICA分解,寻找一个分离矩阵W,实现分离原始数据,通过W的线性变化,可以将独立主元从混合信号中分离出来。然后,把提取出来的数据利用SVDD算法进行数据重构,进而构建新的统计量和统计限。最后,对Tennessee Eastman(TE)过程进行仿真,实验结果验证了该方法的可行性和有效性。
- 出版日期2017
- 单位华东交通大学
