《基于最小信息熵损的KLPP算法在化工监控中的应用》.pdfVIP

第 31卷 第 9期 计算机与应用化学 Vo1．31，No．9 2014年 9月28日 ComputersandAppliedChemistry September28，2014 基于最小信息熵损的KLPP算法在化工监控中的应用 袁延江，康德礼，李秀喜 (华南理工大学化学与化q-学院，广东，广州，510640) 摘要：针对化工过程的非线性以及过程的动态特征，本文开发出了一种基于最小信息熵损的核局部保留算法(MEL．KLPP)。算 法优点：① 能够有效提取过程中的信息，建立准确的统计模型 ② 在降维过程中考虑了样本之间的关联信息，所得模型更加 符合实际。将算法应用于润滑油重质过程以检验其故障检 出能力，结果表明MEL．KLPP算法的误报率和KLPP相近 ，低于KPCA， 故障检出率(81．30％)高于KLPP(3．25％)和KPCA(69．7％)。将过程收集的数据根据工艺知识进行分块建模后，KLPP算法的故障 检出率显著提高，MEL—KLPP检出率变化不大，表明KLPP算法对强噪声的复杂数据并不适用，MEL—KLPP算法对数据质量的 要求不高，算法鲁棒性好，具有更广阔的应用前景。 关键词：化工过程监控；核局部保留；最小信息熵损 中图分类号：TQ015．9；TP391．9；06．39 文献标识码：A 文章编号：1001—4160(2014)09—1070—1074 D0I：10．11719／com ．app．chem2014091l 1 引言 法是一种新型的线性降维技术，是由He和 Niyogi提出 的一种新的流形学习方法8【】。与常见的传统降维方法不同 化工过程大量使用易燃 易爆或有毒的化学品，且多 的是，LPP算法保 留了更多的数据之 间的局部关系，能 采用高温高压等极端操作条件 ，存在潜在的火灾、爆炸 够更加有效的揭示数据的本质特性 ，提取到更多数据中 和中毒的危险。对流程和设备进行早期和准确的故障检 所包含的有效信息。 测和诊断，可 以提高设备运行的安全性，降低生产成本， LPP算法是通过寻找一个线性的映射Yi=4a将 具有重要的意义[】。 目前过程监控领域 的监控方法主要 观测数据集 映射到低维空间，a为转换矩阵。为了 分为以下三类：基于解析模型的方法 ，基于知识的方法 将该方法推广到非线性系统，我们采用核方法 ，构造 以及基于数据统计的方法 5【J。对于复杂的化工过程，准确 核局部保留投影(KLPP)算法。 的数学模型和详细的专家知识不易获得，限制了前两种 为了构造一个非线性的局部保留投影算法，先假 方法的广泛使用，基于数据统计的方法仅需要分析过程 设有一个映射 ：z∈R O(x)∈F ，F表示一个线性 的历史数据，从而得到广泛应用L4’61。 状态空间。在状态空间F中应用传统的LPP算法 ： 通过建立统计模型监控过程是否在安全状态 ，需要 将采集到的数据进行降维处理，有效的去除数据 中的干 min ①( ∞() (1) 扰成分，获取包含故障信息在内的有用信息。传统的数 ．t．口 ()D ()口=1 据 降维方法如主成分分析(PCA)、独立元分析(ICA)、线 转换矩阵 a可 以