基于KPCA的非线性过程监视研究.pdfVIP

《冶金 自动化》2004年增刊 基于KPCA的非线性过程监视研究 樊立萍，，“，徐 阳Z，于海斌 ，‘衰德成Z c1.中国科学院沈阳自动化研究所，辽宁沈阳110016;2.沈阳化工学院) [摘 要1核主元分析(KPCA)是最近出现的一种颇具前景的处理非线性系统问题的有效方法。该方法可通过集成算子与 非线性核函数有效计算高维特性空间的主元成分，与线性PCA相比，显示出更高的过程监视性能。本文以一个三维非线 性系统为对象，在MATLAB仿真环境下分别进行PCA和KPCA监视仿真。仿真结果表明了KPCA对于非线性系统监 视的良好效果。 关〔键词〕核主元分析;非线性过程;故障检测 0 引言 过程监视与故障诊断是系统可靠运行所必需的。现代工业过程日趋复杂，用于监视的数据集往往具 有强藕合性，并且夹杂大量噪声。如果没有合适的方法对这样的数据进行处理，则只能从中提取出有限 的信息，进而影响对工厂运行状态的准确理解。近年来兴起的KPCA方法U[7为处理非线性过程提供了 一个很好的方法。本文以一个三维的非线性系统为对象，研究非线性系统的KPCA监视。 1核主元分析(KPCA) KPCA是近年发展起来的一种新型非线性PCA方法。KPCA的基本思想是首先通过非线性映射将 输人空间映射到一个特征空间，然后在这个特征空间中计算主元成分。一般PCA方法只能有效处理线 性变化的观测数据。当数据的变化为非线性时，这些数据必须映射到一个线性变化的更高维空间(即特 征空间F).KPCA通过一个简单的核函数找到一个可计算的易控解，本质上就是构造一个从输人空间 到特征空间的非线性映射，因此，KPCA是在输人空间完成非线性的PCA, 如果应用PCA的目的是通过对角化它们的协方差矩阵，减弱一个给定的数据集xkER-(k=1,2, 一，N)间的非线性关系(数据间具有零均值)，则该协方差可表示在线性特征空间而不是非线性输人空 间，即: CF一鹅Ox(j)1()(xj)T (1) 这里假略P((x;’一。，并且，(”是一个将输人空间的输人变量映射到F特征空间的非线性映射函数。 为了对角化协方差矩阵，首先要解决在特征空间的特征值问题 Av=CFv (2) 特征值a-0并且vC-F\(0)。由(2)式得到最大的A值对应的v将是特征空间的第一个主元，而最小的A 值对应的v就是最后一个主元。CFv可以表达成如下形式: 。一(罐Ox(;)Ox(;))·一鹅[D((x;，，v]0(x;， (3) 式中，(x,必为x和y的点积。所以Av=CFv等价于 A(O(xk)IV)=(O(xk),CFV) k=l，2，…，N (4) 且存在系数a,(i=1,2,,N)，使 - - N 云 a;中(xi) (5) 间 结合等式(4)和(5)，可以得到: [收稿日期〕2004-06-16 作「者简介〕樊立萍(1965一)，女，山东淄博人，副教授，主要从事计算机辅助过程控制、城市污水系统集成监视与控制等方面的教学与研 究工作。 ((冶金 自动化》2004年增刊 N 1N N = 不耳之J (6) A艺ai(O(xk),Xxi)) i= 1 ZNi二1ai[O(xk)，周ch(x;)口[O(x;),h((xi)] 其中k=1,2,,N。式(6)中的特征值问题只引人了特征空间的映射向量的点积。通常，映射函数 0