基于核函数和概率神经网络的TE过程监控研究
核主元分析方法是利用核函数计算高维特征空间的主元成分,从而把输入空间中的非线性问题转化为特征空间中的线性问题。虽然核主元分析方法在故障检测方面明显优越于线性PCA,但故障辨识问题仍一个难题。本文提出了一种基于核函数梯度算法和概率神经网络的新型非线性故障诊断方法。首先利用核函数梯度算法进行故障特征提取,然后采用概率神经网络进行故障模式识别,完成故障辨识过程.最后以Tennessee Eastman (TE)化工过程的15种故障模式为例, 通过仿真实验证明KPCA-PNN 方法可保持较高的故障诊断率,体现了该网络具有令人满意的故障诊断能力。
过程监控 核函数梯度算法 概率神经网络 核主元分析 故障检测
薄翠梅 李俊 陆爱晶 张广明
南京工业大学自动化学院,南京210009
国内会议
湖南张家界
中文
511-515
2007-07-26（万方平台首次上网日期，不代表论文的发表时间）