%0 Journal Article
%T 基于全变量信息的子空间监控方法
%A 吕小条
%A 宋冰
%A 谭帅
%A 侍洪波
%J 化工学报
%P 1395-1401
%D 2015
%R 10.11949/j.issn.0438-1157.20141618
%X 实际化工过程采集得到的数据往往维度较高,直接建模比较复杂。主元分析(principalcomponentanalysis,PCA)方法可以提取原始数据主要特征,得到低维数据,但传统的PCA过程监控方法仅保留了方差较大的主元,会造成信息缺失,这将大大影响过程监控性能。针对这一问题,提出了一种新的基于全变量信息(fullvariableinformation,FVI)的子空间监控方法。首先,依据每个变量与主元空间(principalcomponentsubspace,PCS)和残差空间(residualsubspace,RS)相似性的高低,将原始数据空间划分为3个维度较低的子空间,3个子空间保存了全部过程变量,可以更充分地利用过程信息。其次,在每个子空间中,分别建立监控模型,并利用贝叶斯推断整合子空间的监控结果。最后,通过数值仿真及TennesseeEastman(TE)过程仿真研究验证FVI方法的有效性。
%K 化工过程系统
%K 子空间
%K 信息缺失
%K 监控模型
%K 数值分析
%U http://www.hgxb.com.cn/CN/abstract/abstract17040.shtml