基于LTSA的FS-SVDD方法及其在化工过程监控中的应用

基于支持向量数据描述(SVDD)方法的非高斯过程监控和故障诊断具有众多优点。然而在对SVDD离线建模时需要在整个训练样本集上操作，对大样本集计算量相当大，也不利于在线操作时模型的更新。对此提出一种基于特征样本的SVDD(FS-SVDD)，采用特征样本提取方法用少数几个特征样本代替原始数据集进行训练，显著降低了建模复杂度。同时，针对传统的线性降维算法如主成分分析(PCA)存在的提取过程数据非线性结构能力不足的缺点，首先用局部切空间排列(LTSA)方法提取出低维子流形，进行有效的维数约减;接着在这个低维子流形上执行SVDD算法;最后，利用相应统计指标进行过程监控。在TE过程上的仿真表明上述方法的有效性。