郭金玉， 韩建斌， 李 元

(沈阳化工大学 信息工程学院， 辽宁 沈阳 110142)

随着生产力的发展，化工过程变得日趋集成化和复杂化.及时而有效地检测出故障对于保证产品质量、生产安全都有着至关重要的作用.近年来，多变量统计学作为一种有效的数据驱动方法，已成功应用于化工过程检测与监视，并成为工业界和学术界的研究热点[1].多变量统计过程监视的本质是将过程数据压缩以提取出有用的信息用于故障检测和诊断.以PCA和PLS为代表的多元统计方法在过程监视中受到了广泛关注，通过构造统计量即可实现对生产过程的在线监视.由PCA和PLS拓展出来的一些算法也取得了一定的发展[2-4].

随着化工过程日趋复杂化，化工连续生产过程的非线性特征越来越显著，使得当今对故障检测技术的要求越来越高.因此如何通过算法挖掘数据的高维非线性结构，提取原始数据中更多有用的信息，成为故障诊断研究的一个重要方面.为了提取数据的非线性特征，运用核技巧或核函数技术，将传统的线性技术进行核化.邓晓刚等[5]提出一种基于KPCA的非线性故障诊断方法.MENG Yafeng等[6]提出一种基于核PCA的模糊支持向量机算法，并将其成功应用于雷达发射信号的分类中.许洁等[7]将核主元分析和多重核学习支持向量机算法相结合，提出一种基于KPCA和MKL-SVM的非线性过程监控与故障诊断算法，提高了故障检测和故障诊断的速度.ZHAO Xiaoqiang等[8]提出了一种改进的FVS-KPCA用于TE过程的……