首页|基于核熵独立成分分析的故障检测方法

基于核熵独立成分分析的故障检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统核独立成分分析(KICA)依据特征值的大小进行降维,但是特征值大并不一定取得的信息熵贡献度也是最大的.针对这个问题,提出一种基于核熵独立成分分析(KEICA)的故障检测方法.将训练数据集投影在高维核空间,通过对数据信息熵的贡献大小选取核主成分,并建立独立成分分析(ICA)模型.对训练样本求I 2和SPE统计量,并利用核密度估计计算统计量的控制限.计算测试数据对训练数据的核矩阵,将其投影在ICA模型上并计算测试样本的统计量,统计量超出控制限的样本即可被识别为故障样本.将该方法用于非线性数值例子和Tennessee Eastman(TE)过程的故障检测,并与传统的核主成分分析(KPCA)、核熵成分分析(KECA)和KICA方法进行对比,表明KEICA的监测效果优于其他三种方法.
Fault detection method based on kernel entropy independent component analysis

郭金玉、王哲、李元

展开 >

沈阳化工大学信息工程学院,辽宁沈阳110142

故障检测 信息熵 核密度估计 核熵成分分析 核独立成分分析

61490701616732792016001006LJ2019007

2022

10.11949/0438-1157.20220269

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2022.73(8)
  • 3
  • 7