论文部分内容阅读
针对传统核主元分析（KPCA）方法难以有效检测微小故障的问题,提出一种基于双层局部核主元分析（double-level local kernel principal component analysis,DLKPCA）的非线性过程微小故障检测方法.该方法从变量和样本两个角度来挖掘数据内部的局部信息,以提高故障检测能力.首先,利用变量分块思想,基于不同变量与核主元之间互信息相关度的相似性,将所有过程变量划分多个局部变量块.然后,构建基于得分向量和特征值的残差函数以挖掘样本局部信息.最后利用贝叶斯融合策略对各