特征空间递归更新的ICA算法及发酵过程监测应用

及时更新监测模型以适应过程的时变特性，对准确检测出化工过程异常和设备故障具有重要意义。针对普通独立元分析（ICA）算法在更新计算监测模型时计算复杂度高、效率低的缺点，提出了一种基于特征空间递归更新的在线独立元分析（RUFS-ICA）算法。将算法应用于青霉素发酵过程的在线建模与监测中，与普通ICA方法相比，仿真统计结果表明，平均误警率降低至1.67%，基本克服了漏报现象；与其他在线更新算法相比，复杂度明显降低，计算时间减少54.1%，节省了存储量。