核学习理论和方法及其在复杂生产过程异常事件诊断和预报中的应用研究

近年来，工业生产过程的故障由于得不到及时地诊断和预报，已经接连不断造成了重大的事故、人员伤亡和财产损失。安全生产已成了当前我国工业生产中头等重要的大事。创建新一代的异常事件诊断和预报系统已经是系统工程安全的一个巨大挑战。本项目在核学习理论和方法的框架下，讨论了一种复杂生产过程异常事件诊断和预报的系统结构。这种结构将统计过程控制技术和软测量技术相结合起来，可以充分地利用系统中多种信息资源,同时发挥核学习方法在处理复杂、小样本、非线性等问题方面的优异性能。结合系统中相关的问题，本项目具体研究了支持向量机的静态和在线模型选择方法，基于支持向量机的软测量建模，核PCA和核ICA中主元确定方法和数据重构，基于核PCA和核ICA的统计过程控制模型，以及故障诊断和预报中统计量及其置信上界的确定。核学习方法、统计过程控制和软测量技术的有效地结合将为复杂生产过程异常事件诊断和预报提供了一种新的结构和方法。