基于KICA子空间虚假邻点判别的软传感器变量选择方法

摘要

针对软传感器建模过程中,高维冗余的非线性辅助变量造成的维度灾难问题,提出一种结合核独立成分分析法(Kernel independent component analysis,KICA)与虚假最近邻点法(False nearest neighbors,FNN)的非线性辅助变量选择方法。主要利用核函数将原始非线性数据映射到线性子空间,并采用独立成分分析消除因子之间的多重共线性,再运用虚假最近邻点法,计算原始数据在KICA子空间中投影的距离,依次判断各辅助变量对主导变量的解释能力,由此进行非线性变量选择。以某企业氢氰酸(Hydrocyanic acid,HCN)生产工艺过程中的转化率为软传感器预测目标,仿真结果表明该方法可有效降低辅助变量的维数、同时提高模型的预测精度。