基于粒子群优化MICA的间歇过程故障监测 高学金;崔宁;张亚潮;齐咏生;王普 【期刊名称】《仪器仪表学报》 【年(卷),期】2015(36)1 【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。 【总页数】8页(P152-159) 【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 【作 者】高学金;崔宁;张亚潮;齐咏生;王普 【作者单位】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 【正文语种】中 文 【中图分类】TH165.3 【相关文献】 1.基于质量相关的间歇过程故障监测及故障变量追溯 [J], 常鹏;王普;高学金;程峥 2.基于MICA-OCSVM的间歇过程故障监测 [J], 王普;张亚潮;高学金;齐咏生 3.基于 MICA-PCA 的间歇过程故障监测 [J], 王普;贾之阳;高学金;齐咏生 4.基于迭代粒子群算法的间歇过程优化 [J], 李赣平;阎威武;邵惠鹤 5.基于分步时空JITL-MKPLS的间歇过程故障监测 [J], 高学金;孟令军;王豪;高慧慧 因版权原因，仅展示原文概要，查看原文内容请购买 本文来源：https://www.wddqw.com/doc/4193807c677d27284b73f242336c1eb91a37333e.html