基于WMNPE间歇过程监测的改进SVDD算法

摘要

由于间歇过程数据包含表征过程变化的相关信息和非相关信息,并且呈现高斯与非高斯的多分布等特点.为了更加充分的提取数据的有用信息和处理数据的非高斯性等问题,实现有效的过程监控,本文提出了一种基于WMNPE间歇过程监测的改进SVDD算法.首先运用多向邻域保持嵌入(MNPE)算法来提取低维子流形以实现降维;再使用概率权值策略来提取表征过程变化的相关信息,通过Greedy方法提取低维子流形的特征样本,最后以支持向量数据描述(SVDD)方法建立监控模型进行监控.通过青霉素发酵过程仿真平台和一个实际的半导体生产过程数据验证了本文提出算法的有效性.