基于核相似度支持向量数据描述的间歇过程监测-化工学报.PDFVIP

化工学报 2017 年 第68 卷 第9 期 | CIESC Journal, 2017, 68(9): 3494-3500 ·3494 · DOI ：10.11949/j.issn.0438-1157 基于核相似度支持向量数据描述的间歇过程监测 王建林，马琳钰，刘伟旻，邱科鹏，于涛 （北京化工大学信息科学与技术学院，北京 100029 ） 摘要：基于支持向量数据描述的间歇过程监测方法选择历史过程数据中最大的核距离作为控制限，忽略了高维空 间中超球体的不规则性，导致基于该方法的过程监测精度不高。针对上述问题，提出了一种基于核相似度支持向 量数据描述的间歇过程监测方法，将间歇过程数据待监测样本与支持向量之间的核函数值作为相似度权重，利用 该相似度对不同时刻的支持向量球心距加权求和，得到待监测间歇过程数据样本的动态控制限，通过判断待监测 样本的球心距是否超过其动态控制限，实现间歇过程监测。所提方法综合考虑了超球体的不规则性和过程数据在 高维空间分布的局部特性，以及间歇过程数据待监测样本的时变性，提高了间歇过程监测的准确性。利用数值仿 真实验和半导体金属刻蚀实验验证了该方法的有效性。 关键词：核相似度；支持向量数据描述；动态监测；间歇过程 中图分类号：TQ 277 文献标志码：A 文章编号：0438—1157 （2017 ）09—3494—07 Batch process monitoring by kernel similarity-based support vector data description WANG Jianlin, MA Linyu, LIU Weimin, QIU Kepeng, YU Tao (College of Information Science and Technology, Beijing University of Chemical Technology, Beijing 100029, China) Abstract: Kernel distance-based support vector data description (SVDD) for batch process monitoring exhibited poor monitoring precision by setting control limit from the largest kernel distance in historical process dataset but ignoring hyperspherical irregularity in high dimensional space. A kernel similarity based SVDD monitoring method was proposed for batch process monitoring. Kernel similarity was taken as kernel function value between support vectors and data samples for testing. The weighted summation of kernel similarity and distance of support vectors at various time points was utilized to set dynamic control limit for data samples of batch process to be mon