摘要：实际化工过程监控数据具有非线性特征且易受随机噪声影响。将核主元分析（KPCA）方法与最大方差展开（MVU）特征提取算法相结合，提出一种基于 KPCA-MVU 的噪声环境下非线性过程故障检测新方法。改进算法在对非线性噪声数据的降维过程中，首先对各样本点的邻域范围采用局部KPCA方法识别并剔除过程数据的噪声，再提取输入数据空间中的非线性主元；其次，在保持近邻点间欧式距离不变的前提下， MVU通过旋转平移等变换在低维特征空间中展开高维数据流形的同时保持数据的全局几何结构。噪声环境下 TE 过程的仿真分析和丙烯腈聚合过程的实验研究结果表明，基于改进方法构建的过程故障检测模型可有效改善基本MVU和KPCA方法对非线性噪声数据的特征提取性能，有效增强了对噪声的鲁棒性。

关键词：最大方差展开 核主元分析 非线性噪声数据 故障检测 

单位：嘉兴学院机电工程学院 嘉兴314001