本文選題：核相似度 + 支持向量數(shù)據(jù)描述�。� 參考：《化工學(xué)報(bào)》2017年09期

【摘要】：基于支持向量數(shù)據(jù)描述的間歇過程監(jiān)測(cè)方法選擇歷史過程數(shù)據(jù)中最大的核距離作為控制限,忽略了高維空間中超球體的不規(guī)則性,導(dǎo)致基于該方法的過程監(jiān)測(cè)精度不高。針對(duì)上述問題,提出了一種基于核相似度支持向量數(shù)據(jù)描述的間歇過程監(jiān)測(cè)方法,將間歇過程數(shù)據(jù)待監(jiān)測(cè)樣本與支持向量之間的核函數(shù)值作為相似度權(quán)重,利用該相似度對(duì)不同時(shí)刻的支持向量球心距加權(quán)求和,得到待監(jiān)測(cè)間歇過程數(shù)據(jù)樣本的動(dòng)態(tài)控制限,通過判斷待監(jiān)測(cè)樣本的球心距是否超過其動(dòng)態(tài)控制限,實(shí)現(xiàn)間歇過程監(jiān)測(cè)。所提方法綜合考慮了超球體的不規(guī)則性和過程數(shù)據(jù)在高維空間分布的局部特性,以及間歇過程數(shù)據(jù)待監(jiān)測(cè)樣本的時(shí)變性,提高了間歇過程監(jiān)測(cè)的準(zhǔn)確性。利用數(shù)值仿真實(shí)驗(yàn)和半導(dǎo)體金屬刻蝕實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
[Abstract]:The intermittent process monitoring method based on support vector data description selects the maximum kernel distance in the historical process data as the control limit, neglecting the irregularity of hypersphere in the high-dimensional space, which leads to the low accuracy of the process monitoring based on this method. To solve the above problems, a method of batch process monitoring based on the description of kernel similarity support vector data is proposed. The kernel function value between the sample and support vector of batch process data to be monitored is taken as the similarity weight. By weighted summation of support vector spherical center distance at different times, the dynamic control limit of batch process data sample to be monitored is obtained. By judging whether the spherical center distance of the monitored sample exceeds its dynamic control limit, batch process monitoring is realized. The proposed method takes into account the irregularity of hypersphere and the local characteristics of process data distribution in high-dimensional space, as well as the time-varying of batch process data to be monitored, which improves the accuracy of batch process monitoring. The effectiveness of the method is verified by numerical simulation and semiconductor metal etching experiments.
【作者單位】： 北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61240047) 北京市自然科學(xué)基金項(xiàng)目(4152041)~~
【分類號(hào)】：TB497

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王保國(guó),王春艷,許錫恩;間歇過程控制標(biāo)準(zhǔn)化[J];化工進(jìn)展;1997年04期

2 王政,韓方煜,華賁;不確定條件下多產(chǎn)品間歇過程優(yōu)化研究[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

3 郭小萍;王福利;賈明興;;基于sub-MPLS的多階段間歇過程質(zhì)量預(yù)測(cè)與控制[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年S1期

4 劉振娟;馬強(qiáng);;基于TPN模型的間歇過程GA優(yōu)化調(diào)度方法研究[J];化工自動(dòng)化及儀表;2010年12期

相關(guān)碩士學(xué)位論文 前4條

1 裴春明;面向節(jié)能降耗目標(biāo)的間歇過程優(yōu)化控制[D];北京化工大學(xué);2014年

2 褚菲;基于BDKPCA的間歇過程統(tǒng)計(jì)性能監(jiān)控研究[D];東北大學(xué);2009年

3 鄒亮;間歇過程多雜質(zhì)用水網(wǎng)絡(luò)的研究[D];青島科技大學(xué);2008年

4 唐Ya;基于OS-ELM-RPLS的間歇過程軟測(cè)量建模與迭代控制[D];東北大學(xué);2009年

，

本文編號(hào)：2007406