论文部分内容阅读
针对多元统计过程监控中的故障源识别问题,提出一种非线性主元子空间方法识别故障模式。该方法对不同类型的故障数据进行核主元分析,获得描述数据主要变化的非线性主元子空间,以此为基础构造故障模式分类器。考虑到核主元分析的计算复杂性,提出一种基于特征样本的非线性主元子空间算法,使用基于克隆选择原理的免疫算法提取特征样本用于故障模式识别。在Tennessee Eastman过程上的仿真结果说明,非线性子空间方法能够比线性子空间方法更有效的识别故障模式。