论文部分内容阅读
针对复杂工业过程中多变量非高斯特征难以提取以及传统独立分量分析（in—dependent component analysis，ICA）难以在在线过程中实现的问题，将自适应ICA（a—daptive ICA，AICA）应用在多变量特征提取中，达到了实时数据处理的同时，也提取出非高斯信息。采用一个两阶段间歇过程仿真模型，利用自组织神经网络（self—organizing feature map，SOM）对故障数据进行诊断，以对AICA数据处理效果进行验证，并与SOM、PCA—SOM诊断效果对比，证明该方法在