基于ICA的工業(yè)過程監(jiān)控技術研究.pdf

1、獨立成分分析(ICA，Independent Component Analysis)是一種基于高階統計量的信號處理方法，可在統計獨立意義的基礎上對觀測變量進行分解，從而找到過程內在的驅動信息源，更本質地描述過程特征。 論文基于過程信號的盲源分離理論，深入研究了獨立成分分析(ICA)方法，包括ICA的數學模型、目標函數、估計算法以及ICA在工業(yè)過程監(jiān)控中的應用技術，并編寫MATLAB仿真程序，給出6種獨立的非高斯信號，將其線性混合

2、，根據非高斯性最大原理確定近似負熵的目標函數，用FastICA迭代算法計算出ICA模型，從而得到與源信號相似的獨立信號，實現了盲源分離及對數據進行的ICA算法的仿真實驗。 針對Tennessee Eastman Process(TEP)仿真實驗平臺，選取部分測量變量進行監(jiān)控實驗，運用ICA計算得到統計模型(找出獨立成分、分離矩陣)，并對相關統計量進行計算，用核密度估計算法求出相關統計量的控制限進而進行過程監(jiān)控。通過與PCA算法進

3、行比對，發(fā)現ICA算法更能反映過程變化趨勢，從而對異常事件的監(jiān)測更加靈敏。 多向獨立成分分析(MICA)是在間歇過程中對于ICA方法的擴展應用，能夠提取非高斯分布的成分且在處理動態(tài)過程數據時更有優(yōu)勢，論文初步研究了采用MICA方法對間歇過程的監(jiān)控技術。 最后，為了處理ICA監(jiān)控技術的實際應用問題，論文對多操作模式(多工況)的環(huán)境下的ICA監(jiān)控技術進行了一些有意義的探討。以半實物仿真實驗裝置的帶攪拌的釜式反應器(CSTR，