摘要:多向独立成分分析(MICA)能够获取信号的高阶统计量信息,在间歇过程故障监测中得到长足发展。针对Fast ICA算法提取非高斯独立成分时,易受初始点的影响,梯度下降无法收敛到极小点以及算法运行前独立主元个数未知的不足,提出基于粒子群优化的MICA算法。并引入支持向量数据描述(SVDD)算法确定过程监控统计量的置信限,避免了核密度估计带来的"维数灾难"等问题。实验设计由青霉素发酵仿真平台完成,结果显示了本文方法优越于传统MICA方法,能够保证获取非高斯性最大的独立成分,使得对故障的监测更加及时有效。
关键词:多向独立成分分析 间歇过程 粒子群 支持向量数据描述 故障监测
单位:北京工业大学电子信息与控制工程学院 北京100124 内蒙古工业大学电力学院呼和 浩特010051
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社