1. 研究目标

实现基于KECA的青霉素发酵过程故障监测

2. 主要研究内容

1.针对KPCA监测算法在数据降维过程中簇结构信息丢失的问题，研究使用KECA方法，根据对瑞利熵贡献值的大小来更好地提取特征信息；

2.使用K均值方法对整个发酵过程进行阶段划分，并分别建立模型以提高发酵过程的监测精度；

3.运用KECA建立青霉素发酵过程故障监测模型。

3. 技术路线

1.学习工业过程仿真平台Pensim软件；

2.学习使用MATLAB软件；

3.研究KECA算法以及K均值算法；

4.建立基于KECA的发酵过程故障诊断模型。

4. 预期成果

建立基于KECA的发酵过程故障监测模型
在这里插入图片描述

把3里的pca改成keca；这整个的流程就是我想要实现的效果。

5. 功能说明

1.把发酵过程的三维矩阵按照变量方向展开成二维矩阵，用k均值聚类（数据发给你了），对青霉素发酵过程划分阶段。

2.用keca对数据进行降维

3.在matlab里基于keca对发酵过程的k个阶段建立监测模型，计算控制限

4.在线监控时可以依据采样样本和模型的相似度来选择合适的样本进行监控

5.判断是否发生故障

6. 参考文献

1.Robert Jenssen. Kernel Entropy Component Analysis .IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 32, NO. 5, MAY 2010: 847-860.
2.王姝.间歇过程的统计建模与在线监测. 2006-05.
3.王姝.基于数据的间歇过程故障诊断及预测方法研究.东北大学博士论文，2010-10-15.
4.赵晋丽.基于KPCA与SVM的工业过程故障诊断方法的应用研究.东北大学硕士论文，2008-06.
5.齐咏生等.基于KECA的化工过程故障监测新方法.2016-03.