Nonlinear process monitoring using kernel principal component analysis

核(代数) 主成分回归 计算机科学 过程(计算) 核方法 模式识别(心理学) 过程控制
作者
Jong Min Lee,ChangKyoo Yoo,Sang Wook Choi,Peter A. Vanrolleghem,In-Beum Lee
出处
期刊:Chemical Engineering Science [Elsevier]
卷期号:59 (1): 223-234 被引量:751
标识
DOI:10.1016/j.ces.2003.09.012
摘要

Abstract In this paper, a new nonlinear process monitoring technique based on kernel principal component analysis (KPCA) is developed. KPCA has emerged in recent years as a promising method for tackling nonlinear systems. KPCA can efficiently compute principal components in high-dimensional feature spaces by means of integral operators and nonlinear kernel functions. The basic idea of KPCA is to first map the input space into a feature space via nonlinear mapping and then to compute the principal components in that feature space. In comparison to other nonlinear principal component analysis (PCA) techniques, KPCA requires only the solution of an eigenvalue problem and does not entail any nonlinear optimization. In addition, the number of principal components need not be specified prior to modeling. In this paper, a simple approach to calculating the squared prediction error (SPE) in the feature space is also suggested. Based on T 2 and SPE charts in the feature space, KPCA was applied to fault detection in two example systems: a simple multivariate process and the simulation benchmark of the biological wastewater treatment process. The proposed approach effectively captured the nonlinear relationship in the process variables and showed superior process monitoring performance compared to linear PCA.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
栀然完成签到,获得积分10
1秒前
在水一方应助iwersonshmtu采纳,获得10
1秒前
LSY发布了新的文献求助10
2秒前
梁33完成签到,获得积分10
2秒前
fbdenrnb发布了新的文献求助10
2秒前
加玉完成签到 ,获得积分10
2秒前
zz发布了新的文献求助10
3秒前
zhang20082418发布了新的文献求助10
3秒前
禹丹烟发布了新的文献求助10
4秒前
4秒前
学术霸王完成签到,获得积分10
5秒前
勤劳的靖儿关注了科研通微信公众号
6秒前
7秒前
无花果应助zz采纳,获得10
7秒前
JamesPei应助bl采纳,获得10
8秒前
宇老师发布了新的文献求助10
9秒前
不吃别夹完成签到,获得积分10
10秒前
gyyzj发布了新的文献求助10
12秒前
13秒前
orixero应助不吃别夹采纳,获得10
15秒前
不配.应助Fall采纳,获得20
16秒前
17秒前
lanhu发布了新的文献求助10
17秒前
19秒前
华仔应助火星上的鸵鸟采纳,获得10
19秒前
21秒前
bl发布了新的文献求助10
22秒前
23秒前
熹微发布了新的文献求助10
24秒前
lanhu完成签到,获得积分10
25秒前
25秒前
田様应助故城采纳,获得10
25秒前
26秒前
26秒前
啦啦啦发布了新的文献求助10
26秒前
27秒前
28秒前
nly发布了新的文献求助10
28秒前
2011完成签到 ,获得积分10
29秒前
32秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136281
求助须知:如何正确求助?哪些是违规求助? 2787312
关于积分的说明 7780828
捐赠科研通 2443293
什么是DOI,文献DOI怎么找? 1299081
科研通“疑难数据库(出版商)”最低求助积分说明 625325
版权声明 600905