Indexed by：
Abstract：
针对工业过程数据的非平稳性、含噪声以及随机性等特点，提出一种改进多尺度主元分析方法用于过程故障监测。首先利用小波阈值去噪的方法，消除原始过程数据中的大部分高频随机噪声，使得数据不受噪声的影响，然后利用小波分解将去噪后的数据分解成逼近系数和细节系数，分别在各个尺度上建立主元分析模型，对各个尺度小波系数消噪并重构得到综合尺度的故障监测模型。将该算法应用于田纳西伊士曼(Tennessee Eastman)过程中进行验证，仿真结果表明，与传统PCA以及MSPCA方法相比，改进的算法减少了误报率和漏报率，提高了过程监测的准确性。
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机与应用化学
ISSN： 1001-4160
Year： 2014
Issue： 8
Page： 998-1002
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
