严文武, 潘丰

(江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122)

基于ICA概率密度指标的过程监控

严文武, 潘丰*

(江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122)

基于独立成分分析的多变量统计过程监控一般采用PCA方法的监控指标进行过程监控,并没有充分利用ICA方法特性。根据ICA分离得到的成分相互独立这一特性,提出了一种概率密度监控指标。用核密度估计的方法估计各成分概率密度,从而得到所有成分的联合概率密度,再根据联合概率密度判断过程状态是否异常。通过TE过程仿真表明,新的概率密度指标与传统指标相比,能检测出更多的故障点,监控效果更加有效。

独立成分分析;概率密度;监控指标;故障;TE过程

随着数据时代的来临,工业过程中大量的数据被采集并存储,但这些过程数据很多都未充分利用,导致“数据丰富,信息匮乏”现象的出现。因此,多变量统计过程监控和故障诊断技术受到学术界和工业界的广泛重视,并在化工生产过程中得以应用[1]。其中最为普遍的是主成分分析(Principal Component Analysis,PCA)和偏最小二乘(Partial Least Squares,PLS),并在化工、生物、制药等领域得到迅速发展[2-4]。

传统的PCA和PLS方法仅仅利用了低阶统计信息(均值和方差),然而在工业过程中常常存在非高斯信息,均值和方差无法全面描述其统计信息。基于PCA方法的前提是假设过程变量满足高斯分布且独立同分布,然而很多时候并不能完全满足这些假设;PCA只能去除相关性,并不能保证其独立性,同时一些观测数据中的隐变量也得不到有效估计[5]。……