摘要: 化工生产过程具有维数高、非线性强等特点。针对传统的邻域保持嵌入(NPE)算法对非线性数据特征提取不足的缺陷,引入高斯核函数,将数据由非线性的输入空间转换到线性的特征空间。核邻域保持嵌入(KNPE)算法在构建局部空间特征结构的基础上,能够更好地提取数据的非线性结构。通过以田纳西-伊斯曼(TE)仿真过程为例,构造 和SPE统计量进行故障检测,证明了KNPE方法比NPE和KPCA方法能够更快更准确的检测出非线性故障的发生。
李春阳, 夏丽莎, 李军祥. KNPE算法在化工过程故障检测中的应用[J]. 控制工程, 2020, 27(1): 92-97.
LI Chun-yang, XIA Li-sha, LI Jun-xiang. Application of Kernel NPE for Fault Detection in Chemical Processes[J]. Control Engineering of China, 2020, 27(1): 92-97.