摘要：针对软传感器建模过程中，高维冗余的非线性辅助变量造成的维度灾难问题，提出一种结合核独立成分分析法（Kernel independent component analysis, KICA）与虚假最近邻点法（False nearest neighbors, FNN）的非线性辅助变量选择方法。主要利用核函数将原始非线性数据映射到线性子空间，并采用独立成分分析消除因子之间的多重共线性，再运用虚假最近邻点法，计算原始数据在KICA子空间中投影的距离，依次判断各辅助变量对主导变量的解释能力，由此进行非线性变量选择。以某企业氢氰酸（Hydrocyanic acid, HCN）生产工艺过程中的转化率为软传感器预测目标，仿真结果表明该方法可有效降低辅助变量的维数、同时提高模型的预测精度。

关键词：非线性系统 软传感器 核独立成分分析 虚假最近邻点 变量选择 

单位：重庆科技学院电气与信息工程学院 重庆401331 重庆大学自动化学院 重庆400040 西安石油大学电子工程学院 西安710065