基于特征样本的KPCA在故障诊断中的应用

核函数主元分析(KPCA)可用于非线性过程监控.建立KPCA模型首先要计算核矩阵K,K的维数等于训练样本的数量I 对于大样本集,计算K很困难.对此提出一种基于特征样本的KPCA(SKPCA) ,其基本思想是, 首先利用非线性映射函数将输入空间映射到特征子空间, 然后在特征子空间中计算主元.将SKPCA 应用于监控Tennessee Eastman 过程,并与基于全体样本的KPCA作比较. 仿真结果显示, 二者诊断结果基本相同,然而特征样本只是训练样本中的一小部分.因此减少了K 的维数,解决了K的计算问题.