摘要： 多变量统计过程控制已经成功应用到性能监测和故障诊断的化学过程。然而，传统的多变量统计过程控制所依据的假设，即分离潜变量必须服从正态分布，有时不能满足。在本文中，一种新的计算方法结合了主成分分析（PCA）和独立成分分析（ICA）是基于工业的非高斯模型数据，提高过程的监控性能。对于故障检测通过该方法仿真结果验证了基于ICA的算法的有效性。
主元分析方法在工业过程监控和故障检测中得到了广泛的应用，其前提是假设主元服从正态分布，然而实际的工业过程数据大都不满足正态分布的条件。独立元分析方法（ICA）能够有效的处理非高斯分布的数据，从而改善过程的监控能力。22990
毕业论文关键词： 独立元分析， 过程监控， 故障检测， TE过程
Fault detection research Based on Independent Component Analysis
Abstract: multivariate statistical process control has been successful applied to performance monitoring and fault diagnosis for chemical processes. However, traditional multivariate statistical process control are based upon the assumption that the separated latent variables must be subject to normal probability distribution , which sometimes can not be satisfied. In this paper , a novel methed combining principal component analysis (PCA) and independent component analysis (ICA) is proposed to model non-Gaussian data from industry and improve the monitoring performance of process. Simulation result for fault detection by the presented method verifies the effectiveness of ICA-based algorithm.
Principal Component Analysis(PCA)has been widely applied to performance monitoring and fault diagnosis for the industial process. However,PCA is based on the assunptions that separated data must be subject to normal probability distribution ,which sometimes can not be satisfied.
Key words: Independent Component Analysis,process montior,fault detection,TE process
目录
1绪论 1
1.1 引言 1
1.2 发展趋势 1
1.2.1 PCA与ICA的发展 1
1.2.2 目前现有的方法 2
1.3 国内的工业使用情况 2
1.3.1 对工业发展的影响 2
1.3.2 实际工业生产的方法 3
1.3.3 工业生产的问题以及解决方法 3
2 独立元的概念 5
2.1 独立成分分析的定义 5
2.2 独立元分析的概念 6
2.2.1 独立元分析的基本概念 6
2.2.2 独立成分分析原理 6
2.3 ICA与PCA的区别 6
2.3.1 ICA与PCA 6
2.3.2 PCA的几个主要假设包括 7
2.3.3 PCA和ICA性能的比较 7
3 独立元分析与故障检测过程监控 8
3.1 基于ICA的故障检测 8
3.1.1 离线故障检测模型的建立 8
3.1.2 独立源的降文与排序 9
3.2 独立元分析的过程监控 9
3.2.1 ICA对生产过程的监控与检测 9
3.2.2 基于ICA方法的过程监测系统流程图 10
3.3 独立成分分析(ICA, Independent Component Analysis) 11 独立元分析在过程故障检测中的应用研究:http://www.youerw.com/zidonghua/lunwen_15874.html