优化动态核主元分析的工业过程故障监测方法

针对现代生产工业过程中数据的非线性多模态特征，提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型，对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数，利用人工大猩猩部队优化算法对DKPCA核参数进行优化，以发现最优的非线性特征；通过计算各时间点的霍特林统计量T²和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明，GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果，适应性和准确性更高。