来源：期刊VIP网 时间：
作者：沈亚慧;马红玉;王亚君;
单位：辽宁工业大学电子与信息工程学院;
摘要：为解决多阶段间歇生产过程操作随机性、数据不等长、呈动态分布等问题以及提高故障监测准确性，提出基于AP(近邻传播聚类)和MDFE(混合数据特征提取)的MDPCA(多动态主成分分析)故障监测方法AP-MDFE-MDPCA。首先，针对多阶段间歇过程中操作随机性使得数据相关性发生改变，不能用整个批次数据统一建模问题，先对阶段进行精确划分，在同一阶段采用AP算法，将相似特征数据进行聚类，并采用BFO(菌群优化)算法对其偏向参数p优化，获得最优权重和最佳初始聚类中心，构建批数据的分类模型。其次，为解决聚类后相同类中的批次数据不等长问题，利用MDFE算法进行批次数据等长化处理。同时考虑到过程变量内的动态特性，按照不同阶段聚类数目的不同，构建MDPCA模型。最后，将所提方法应用于精炼炉炼钢过程，并与基于LNS-MDPCA(局部邻域标准化的多动态主成分分析)方法进行比较。实验结果表明提出的方法监测准确性更高，监测速度更快。
关键词：近邻传播聚类;混合数据特征提取;多动态主成分分析;过程监测;精炼炉炼钢过程
基金资助：辽宁省教育厅面上项目(LJKZ0624); 辽宁省自然科学基金资助项目(2020-MS-291)
