基于局部线性嵌入算法的化工过程故障检测

随着工业过程日趋复杂，系统安全及产品质量的在线监控也变得日益重要。针对化工过程的非线性特点，提出了一种新的基于局部线性嵌入(locallylinearembedding,LLE)流形学习算法和支持向量数据描述(supportvectordatadescription,SVDD)的故障检测方法。首先，使用LLE提取高维数据的低维子流形，进行维数约减，以保存更多原有系统的非线性特性，通过局部线性回归得到高维数据空间到低维特征空间的映射矩阵，保证了算法的实时性；然后，为了避免数据噪声的累加对传统统计量的影响，引入SVDD直接根据特征空间建立SVDD模型，构造统计量并确定其控制限；最后，通过数字仿真及TennesseeEastman(TE)过程仿真研究验证了本文方法的有效性。