基于核主成分空间支持向量机的过程监视方法

郭金玉, 李涛, 李元

doi:10.16452/j.cnki.sdkjzk.2022.01.013

山东科技大学学报（自然科学版） ›› 2022, Vol. 41 ›› Issue (01) : 114 -122. DOI: 10.16452/j.cnki.sdkjzk.2022.01.013

基于核主成分空间支持向量机的过程监视方法

郭金玉, 李涛, 李元

作者信息 +

Author information +

文章历史 +

PDF (2120K)

摘要

为了有效改进支持向量机（SVM）在工业过程中的故障检测性能,提出一种基于核主成分空间支持向量机的过程监视方法。首先,运用核主成分分析方法（KPCA）处理数据,获取数据的核主成分,在核主成分空间计算Hotelling′s T²统计量;然后,在T²统计量基础上加入时滞特性和时差特性,并将三者组合成增广矩阵,运用正常数据和故障数据的增广矩阵训练SVM模型;最后,运用SVM模型对测试数据进行分类,实现对故障的有效检测。将本研究方法应用于非线性数值例子和田纳西-伊斯曼工业过程中,与PCA、KPCA、传统的SVM和KPCA-LSSVM方法作比较,进一步验证了该方法的有效性。