基于高阶累计统计量的微生物发酵过程监测
来源期刊：控制与决策2017年第12期
论文作者：常鹏 王普 高学金
文章页码：2273 - 2278
关键词：间歇过程监控;MKICA;高阶累积量;MKECA;MKEICA;
摘 要：传统多向核独立成分分析（MKICA）方法的实质是把基于独立成分分析（ICA）中的白化处理主元分析（PCA）替换为核主元分析（KPCA）后利用二阶统计量进行过程监控,并未利用过程数据的阶段特性和高阶累积量信息,为了解决此问题,提出高阶累积量分析（HCA）与多向核熵独立成份分析（MKECA）相结合的多向高阶累计量的核熵独立成分分析方法（HCA-MKEICA）.首先,采用核熵独立成份分析（KECA）对原始数据进行数据转换,解决数据的非线性;然后,在高维核熵空间利用HCA技术构建新的统计量用于过程监控;最后,将该方法应用于青霉素仿真平台和实际的工业过程并与MKICA方法进行对比,以验证所提出方法的有效性.
常鹏1，王普2，高学金3
1. 北京工业大学信息学部2. 北京工业大学教育部工程中心数字社区3. 北京工业大学计算智能与智能系统北京市重点实验室
摘 要：传统多向核独立成分分析（MKICA）方法的实质是把基于独立成分分析（ICA）中的白化处理主元分析（PCA）替换为核主元分析（KPCA）后利用二阶统计量进行过程监控,并未利用过程数据的阶段特性和高阶累积量信息,为了解决此问题,提出高阶累积量分析（HCA）与多向核熵独立成份分析（MKECA）相结合的多向高阶累计量的核熵独立成分分析方法（HCA-MKEICA）.首先,采用核熵独立成份分析（KECA）对原始数据进行数据转换,解决数据的非线性;然后,在高维核熵空间利用HCA技术构建新的统计量用于过程监控;最后,将该方法应用于青霉素仿真平台和实际的工业过程并与MKICA方法进行对比,以验证所提出方法的有效性.
关键词：间歇过程监控;MKICA;高阶累积量;MKECA;MKEICA;
