基于LTSA的ICA方法及其在化工过程监控中的应用  

ICA based on LTSA and its application in chemical process monitoring

作　　者：张少捷[1] 王振雷[1] 钱锋[1] 

机构地区：[1]华东理工大学,化工过程先进控制与优化技术教育部重点实验室,上海200237

出　　处：《化工进展》2010年第10期1840-1844,共5页Chemical Industry and Engineering Progress

基　　金：国家杰出青年科学基金项目(60625302);国家863重点项目(2007AA041402);上海市重点学科建设资助项目(B504)

摘　　要：独立成分分析(ICA)方法在线性非高斯过程的监控领域得到了成功应用,当过程数据非线性较强时效果不理想。局部切空间排列(LTSA)方法能够从在高维空间中呈现高度扭曲的数据集中发现隐含在其中的非线性结构。本文结合ICA和LTSA二者的优点,提出LTSA-ICA过程监控方法,首先用LTSA从高维数据空间中提取出低维子流形,然后在这个低维子流形上执行线性ICA算法,在保留ICA对非高斯过程处理优势的同时,较好地解决了非线性的问题。在田纳西-伊斯曼(TE)过程上的仿真表明上述方法的有效性。The independent component analysis（ICA）has been successfully applied in the linear non-Gaussian processes monitoring. However,ICA can not deal with the process when the data are strongly nonlinear. On the other hand,the local tangent space alignment（LTSA）is able to extract the nonlinear structure of the process dataset. Hence,a LTSA-ICA monitoring method is proposed in combining the advantages of ICA and LTSA. LTSA is applied to extract the underlying manifold structure,and ICA is applied in the sub-manifold space. The proposed method showed a satisfactory performance when used to monitor the Tennessee Eastman process.

关 键 词：局部切空间排列 独立成分分析 过程监控 非线性 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置]