非線性過程監(jiān)測中的數(shù)據(jù)降維及相關(guān)問題研究.pdf

1、基于實時測量數(shù)據(jù)對工業(yè)過程實施監(jiān)測是保障過程安全平穩(wěn)運(yùn)行的有效手段。現(xiàn)代工業(yè)過程中測量變量眾多，但由于潛在的質(zhì)量、能量平衡及其他操作約束，變量間通常存在嚴(yán)重的線性或非線性相關(guān)關(guān)系，導(dǎo)致高維過程數(shù)據(jù)實際上由少量的內(nèi)在自由變量所驅(qū)動。如何基于具有代表性的過程數(shù)據(jù)有效地使用數(shù)據(jù)降維方法去除冗余信息，揭示復(fù)雜過程數(shù)據(jù)中的潛在低維結(jié)構(gòu)是過程監(jiān)測中的基本問題。傳統(tǒng)的監(jiān)測方法大多基于線性多變量統(tǒng)計方法，對廣泛存在的非線性過程難以奏效。本文工作從數(shù)據(jù)降

2、維的角度出發(fā)，集中在解決現(xiàn)有非線性過程監(jiān)測方法中存在的不足和提出更為有效的監(jiān)測方法，并在標(biāo)準(zhǔn)的TE仿真過程和廢水處理實際過程數(shù)據(jù)上驗證了所提出方法的有效性和優(yōu)越性。本文的研究內(nèi)容和貢獻(xiàn)如下。
　　 ⑴提出使用線性投影近似流形學(xué)習(xí)方法最大方差展開(MVU)中隱含的非線性降維映射，得到無監(jiān)督降維方法最大方差展開投影(MVUP)，并設(shè)計了MVUP非線性故障檢測與隔離方法。MVUP繼承了MVU在降維后能展開數(shù)據(jù)中的非線性結(jié)構(gòu)和保持?jǐn)?shù)據(jù)分

3、布邊界的特性。MVUP監(jiān)測方法具有很低的在線計算開銷且監(jiān)測效果與當(dāng)前主流的非線性監(jiān)測方法相當(dāng)。
　　 ⑵針對當(dāng)前流行的基于核無監(jiān)督降維(KUDR)(如核主元分析(KPCA)、核獨立成分分析(KICA)等)的非線性故障檢測方法中難以選擇最合適核函數(shù)的問題，提出一種KUDR通用的核函數(shù)自動學(xué)習(xí)方法。數(shù)據(jù)中的非線性結(jié)構(gòu)在映射到學(xué)習(xí)得到的最優(yōu)核對應(yīng)的核特征空間中后被盡可能展開為線性，因此KUDR在該核特征空間中實施線性降維方法可以有效地

4、解釋數(shù)據(jù)中的非線性波動，從而帶來比使用普通核函數(shù)更好的故障檢測效果。
　　 ⑶將近年來提出的正交保局投影(OLPP)通過核技巧推廣為一種KUDR方法核正交保局投影(KOLPP)，并設(shè)計了KOLPP非線性故障檢測方法。KOLPP顯式地考慮了數(shù)據(jù)中的非線性結(jié)構(gòu)，能同時保持?jǐn)?shù)據(jù)中的局部結(jié)構(gòu)和全局結(jié)構(gòu)，比其他流行的KUDR方法具有更強(qiáng)的結(jié)構(gòu)保持能力因此能帶來更好的檢測效果。
　　 ⑷針對當(dāng)前非線性故障識別降維中由于使用Fishe

5、r判別準(zhǔn)則存在的不足，提出一種新的有監(jiān)督降維方法保局判別分析(LPDA)及其核推廣核保局判別分析(KLPDA)用于非線性故障識別。不同于Fisher判別準(zhǔn)則面向從整體上分開不同故障類的數(shù)據(jù)，(K)LPDA的降維目標(biāo)函數(shù)直接面向減少局部類間重疊，對于減少誤分率更有意義能帶來更好的識別效果。
　　 ⑸針對傳統(tǒng)方法使用擴(kuò)充向量利用過程動態(tài)信息易造成訓(xùn)練數(shù)據(jù)相對不足且損失變量結(jié)構(gòu)信息的缺點，提出使用擴(kuò)充矩陣?yán)眠^程動態(tài)信息的機(jī)制。并將L

6、PDA擴(kuò)展為能直接對矩陣數(shù)據(jù)降維的張量保局判別分析(TLPDA)，設(shè)計了基于擴(kuò)充矩陣和TLPDA降維的動態(tài)故障識別方法。
　　 ⑹以適用于非線性數(shù)據(jù)集的k-最近鄰距離dk作為離群度指標(biāo)，提出一種快速離群點檢測算法近鄰修剪(NHP)用于對高維非線性訓(xùn)練數(shù)據(jù)集的預(yù)處理?，F(xiàn)有算法僅通過減少對每個數(shù)據(jù)點dk查詢的計算開銷來提高算法效率，而NHP算法在每次dk查詢過程中能計算出其他點的dk上界用于直接修剪非離群點，能減少dk查詢的次數(shù)，并