multiway principal component analysis多向主元分析
3)multiway principal component analysis (MPCA)多向主元分析
1.The key to the new method is that whenever a new batch detected by improved moving window multiway principal component analysis (IMWMPCA) successfully remains within the bounds of normal operation,its batch data are added to the historical database of normal data and a new multiway principal component analysis (MPCA) model is developed based on the revised data.针对传统的多向主元分析(MPCA)模型批过程监测的缺陷。
4)Multi-way Principal Component Analysis多向主元分析
1.Multi-way Principal Component Analysis, the method of batch process monitoring and fault diagnosis is discussed systematically.本文的主要研究内容包括:(1)介绍了主元分析应用于多元统计过程监测的原理,系统讨论了基于多元统计分析的间歇过程监测的方法——多向主元分析方法(Multi-way Principal Component Analysis,MPCA),详细探讨了多向主元分析方法在间歇过程监测中的具体应用,其中包括离线建模及在线应用两部分。
2.Several multivariate statistical analyses,including multi-way principal component analysis(MPCA),have been developed for the monitoring and fault detection of batch processes.针对基于不同展开方式的多向主元分析(MPCA)方法在线应用时各自存在的缺陷,提出一种改进的基于变量展开的MPCA方法,实现间歇过程的在线监控与故障诊断。
5)multiway kernel principal component analysis(MKPCA)多向核主元分析
1.A method based on multiway kernel principal component analysis(MKPCA) was proposed to capture the nonlinear characteristics of normal batch processes.为此提出了一种多向核主元分析(MKPCA)算法用于间歇过程的建模与在线监测。
6)multiway principle component analysis (MPCA)多方向主元分析
1.It integrates the time-lagged windows of process dynamic behavior with the multiway principle component analysis (MPCA).基于传统的多方向主元分析(MPCA)常会导致误诊断,且对批生产过程难以保证在线状态监测和故障诊断的实时性,提出了一种改进的MPCA方法,该方法采用多模型非线性结构代替传统MPCA单模型线性化结构,克服了后者不能处理非线性过程和实时性问题,并避免了MPCA在线应用时预报未来测量值带来的误差,提高了批过程性能监测和故障诊断的准确性。
延伸阅读
主成分分析主成分分析principalcomponentanalysis将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
