基于核主元分析与多支持向量机的监控诊断方法及其应用  

Monitoring model based on kernel principal component analysis and multiple support vector machines and its application

作　　者：蒋少华[1,2] 桂卫华[1] 阳春华[1] 唐朝晖[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083 [2]韶关学院计算机科学学院,韶关512024

出　　处：《系统工程理论与实践》2009年第9期153-159,共7页Systems Engineering-Theory & Practice

基　　金：国家自然科学重点基金(60634020);国家自然科学基金(60574030);博士点基金(20050533016)

摘　　要：为保证密闭鼓风炉冶炼过程的正常运行,构造了一种基于核主元分析(KPCA)和多支持向量机(MSVM)的监控模型.该监控模型首先用核主元分析方法对过程数据进行特征提取,然后将代表过程特征的核主元送入到多支持向量机分类器中进行故障诊断与分类.仿真研究显示,该监控模型具有较好的泛化能力,能有效地应用于鼓风炉的监控诊断,可用于鼓风炉熔炼过程的现场操作指导.In order to keep the imperial smelting furnace （ISF） working smoothly, a dynamical monitoring model based on kernel principal component analysis （KPCA） and multiple support vector machine （MSVM） is constructed. Firstly, the KPCA approach is adopted to extract the feature, and then the SVM multiclass classifiers are used for classification with the input of the feature. The simulation research shows that this dynamical monitoring model has the performances like, better generalization, stronger robust, and preferable monitoring result. Now, the monitoring model is applied in the assistant decision-making system of a imperial smelting furnace.

关 键 词：核主元分析 多支持向量机 过程监控诊断 密闭鼓风炉 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置]