改进PCA 在发酵过程监测与故障诊断中的应用

提出一种改进的主元分析(PCA ) 方法. 利用主元相关变量残差统计量代替平方预测误差Q 统计量, 并采用 累积方差贡献率及复相关系数确定PCA 模型的主元数. 将改进的主元分析法应用于粘菌素发酵过程监测和故障诊 断中, 仿真结果表明改进的PCA 方法避免了Q 统计量的保守性, 并保证了主元子空间中的信息存量. 与一种基于特 征子空间的系统性能监控方法相比较, 改进的PCA 方法具有更强的有效性.