摘要
针对传统统计过程监控假设数据服从高斯分布的不足,提出了基于混合信号模型(MSM)及支持向量数据描述(SVDD)的非高斯过程监控方法。混合信号模型中包含了高斯、非高斯信号源及过程测量噪声,给出了基于混合信号模型的过程测量变量分解方法、统计量的定义及其分布。针对非高斯信号源监控,提出了SVDD核参数化的一般形式及其优化算法。工业实际数据中的应用表明,通过SVDD核函数优化,可准确地对数据的非高斯特性进行刻画,及时地发现工业过程中出现的异常情况。
A general mixture signal model （MSM） together with support vector data description （SVDD） are proposed to address the monitoring of non-Gaussian processes.Mixture signal model involves Gaussian,non-Gaussian and measurements noises.Methods to extract and monitor the corresponding mixture signals are presented.A general SVDD kernel function parameterization and optimization approach is proposed to monitor the non-Gaussian signal sources.Industrial application demonstrate that the general proposed kernel function is capable of characterizing the non-Gaussian behaviors encapsulated in process data and detect abnormal events promptly.
出处
《化工学报》
EI
CAS
CSCD
北大核心
2010年第8期2072-2077,共6页
CIESC Journal
基金
国家自然科学基金项目(60904039)~~
关键词
支持向量数据描述
微粒群优化
统计监控
非高斯过程
support vector data description
particle swarm optimization
statistical monitoring
non-Gaussian process
