基于NMF-SVM的過程建模與監(jiān)測(cè)方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)在工業(yè)過程控制中的廣泛應(yīng)用，大量的過程數(shù)據(jù)被采集并存儲(chǔ)下來，但是這些包含過程運(yùn)行狀態(tài)信息的數(shù)據(jù)并沒有被有效地利用，以致出現(xiàn)了所謂的“數(shù)據(jù)豐富，信息匱乏”的現(xiàn)象。為了充分揭示過程數(shù)據(jù)中隱藏的系統(tǒng)本質(zhì)信息，實(shí)現(xiàn)對(duì)生產(chǎn)過程和產(chǎn)品質(zhì)量的有效控制，需要借助多變量統(tǒng)計(jì)分析技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理，從數(shù)據(jù)中提取出低維本質(zhì)成分，并消除冗余信息及誤差和噪聲。本文以多變量統(tǒng)計(jì)過程控制為研究背景，從這些存儲(chǔ)的數(shù)據(jù)中挖掘出過程運(yùn)行的深層次信息，充分利用

2、這些信息進(jìn)行過程建模與監(jiān)測(cè)。
　　 在過程建模方面，本文利用近幾年發(fā)展起來的多變量統(tǒng)計(jì)分析技術(shù)——非負(fù)矩陣分解(NMF)以及最小二乘支持向量機(jī)(LSSVM)進(jìn)行回歸建模。首先，在利用非負(fù)矩陣分解進(jìn)行過程信息挖掘的基礎(chǔ)上建立了非負(fù)成分回歸(NCR)模型。進(jìn)一步，把NMF提取的非負(fù)成分送給最小二乘支持向量機(jī)建立NMF-LSSVM回歸模型。這兩個(gè)模型在對(duì)軋鋼加熱爐出爐鋼溫建模時(shí)表現(xiàn)出了良好的性能。
　　 在過程監(jiān)測(cè)方面，本文提

3、出了一種基于非負(fù)矩陣分解(NMF)與支持向量機(jī)(SVM)對(duì)系統(tǒng)性能進(jìn)行監(jiān)測(cè)的整體框架。主要包括兩個(gè)方面：①通過NMF進(jìn)行特征提取，對(duì)監(jiān)測(cè)系統(tǒng)進(jìn)行降維，得到主要特征的統(tǒng)計(jì)量。并利用核密度估計(jì)方法確定控制限，從而建立起在線監(jiān)測(cè)模型；②利用SVM訓(xùn)練多故障分類器，當(dāng)NMF在線監(jiān)測(cè)模型檢測(cè)到故障發(fā)生時(shí)，通過SVM故障分類器進(jìn)行故障識(shí)別與診斷，確認(rèn)是哪一類故障。通過對(duì)三容水箱系統(tǒng)的仿真實(shí)驗(yàn)，證實(shí)了該系統(tǒng)框架具有良好的監(jiān)測(cè)性能，可以獲得比較理想的故