摘 要: | 针对间歇过程的非线性、多阶段、过程变量的高斯和非高斯混合分布问题,提出了基于相似性度量的多向加权支持向量数据描述(similarity measure-MWSVDD, SmMWSVDD)算法.该算法首先考虑了阶段间的相似性,将多阶段过程分为稳定阶段和过渡阶段;然后在高维核空间定义了一种新的核相似度权重,对支持向量数据描述(SVDD)建模得到的所有半径进行均衡考虑,克服了SVDD构建控制限的缺陷;通过D检验法将混合分布变量分为高斯分布和非高斯分布变量,并分别用多向核主成分分析(MKPCA)和改进的SVDD进行建模监控;最后通过贝叶斯推断在每个阶段集成各自统一的监控量.通过青霉素发酵实验平台进行验证,结果表明,所提算法比MKPCA和SVDD算法的误报率平均降低了20.21%和漏报率平均降低了10.27%,对多阶段和混合分布的间歇过程监控更加有效.
|