摘要：现代工业过程数据往往具有较强的动态和非高斯特性,在原有方法的基础上,提出了一种改进的动态主元分析（MDP-CA）方法来处理过程数据的动态特性,同时引入支持向量数据描述（SVDD）方法对过程进行建模。由于SVDD方法对数据的分布没有任何限制,因此,它可以很好地描述过程的非高斯信息。新方法首先采用相关分析方法确定动态步长并建立过程数据的动态矩阵,利用PCA方法进行信息特征提取,并把过程信息分为主元子空间和残差子空间,然后分别在这两个子空间上建立SVDD统计监控模型,通过构造两个新的统计量对过程进行监控。所提出的方法应用于Tennessee Eastm an（TE）过程的仿真和一个实际水泥制造过程的实验,结果均表明了该方法的有效性。

关键词：动态pca 非高斯 svdd 相关分析 

单位：湖州师范学院信息工程学院 湖州313000 浙江大学电气自动化研究所 杭州310027