A Novel Hybrid Method Integrating ICA-PCA With Relevant Vector Machine for Multivariate Process Monitoring
A Novel Hybrid Method Integrating ICA-PCA With Relevant Vector Machine for Multivariate Process Monitoring
复制标题
一种将 ICA-PCA 与相关向量机相结合的新型混合方法用于多变量过程监控
DOI：
10.1109/tcst.2018.2816903
复制
发表时间：
2019-07
影响因子：
4.8
通讯作者：
Qun-Xiong Zhu
中科院分区：
文献类型：
--
作者：
Yuan Xu;Sheng-Qi Shen;Yan-Lin He;Qun-Xiong Zhu
本文提出了一种独立成分分析-主成分分析(ICA-PCA)与相关向量机(RVM)相结合的多变量过程监控方法。考虑到工业过程变量的分布大多是非高斯的，主成分分析不能很好地处理非高斯部分。为了同时提取多变量过程的非高斯信息和高斯信息，提出了一种混合ICA-PCA方法。首先利用独立分量分析对过程中的非高斯部分进行监测，然后利用主成分分析提取残差过程中的高斯部分。在特征提取后，为了避免传统方法中阈值的选取和单一统计量的补偿，建立了一种基于贝叶斯的分类器RVM进行故障检测。利用田纳西州伊士曼过程验证了该方法的性能。仿真结果验证了该方法的有效性。
This brief proposes an independent component analysis-principal component analysis (ICA-PCA) integrating with relevance vector machine (RVM) for multivariate process monitoring. Given the fact that the distribution of industrial process variables is mostly non-Gaussian and PCA cannot well deal with the non-Gaussian part. A hybrid ICA-PCA method is proposed to simultaneously extract the non-Gaussian and Gaussian information of multivariate processes. ICA is first used to monitor the non-Gaussian part of the process and then the Gaussian part of the residual process can be extracted using PCA. After feature extraction, a Bayesian-based classifier named RVM is established to make fault detection for the sake of both preventing the chosen of threshold as in traditional method and compensating for the single statistic. The performance of the proposed approach is validated using the Tennessee Eastman process. Simulation results verified the effectiveness of the proposed method.
登录
查看更多内容
DOI：
10.1007/978-1-4471-0825-2_4
发表时间：
1999
期刊：
--
影响因子：
--
作者：
M. Girolami
通讯作者：
M. Girolami
影响因子：
2.5
作者：
T. McAvoy
通讯作者：
T. McAvoy
DOI：
10.1007/978-3-540-92910-9_13
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Seungjin Choi
通讯作者：
Seungjin Choi
DOI：
10.1016/b978-0-12-804566-4.00016-4
发表时间：
2019
期刊：
Source Separation and Machine Learning
影响因子：
--
作者：
Jen-Tzung Chien
通讯作者：
Jen-Tzung Chien
影响因子：
7.8
作者：
Hyvärinen, A;Oja, E
通讯作者：
Oja, E