摘要：傳統(tǒng)核主元分析法(KPCA)是一種廣泛應(yīng)用的非線性化工過程故障檢測方法,但是其未充分利用過程數(shù)據(jù)的概率分布信息,往往難以有效檢測過程中的微小故障。針對傳統(tǒng)KPCA方法的局限性,本文提出了一種基于加權(quán)概率相關(guān)核主元分析(WPRKPCA)的非線性化工過程微小故障檢測方法。與傳統(tǒng)KPCA方法監(jiān)控核成分的變化不同,該方法利用Kullback Leibler散度(KLD)度量核成分的概率分布變化,進而建立基于KLD成分的統(tǒng)計監(jiān)控模型,以充分挖掘過程數(shù)據(jù)所包含的概率信息。進一步考慮到不同KLD成分承載故障信息的差異性,該方法設(shè)計了一種基于核密度估計的指數(shù)加權(quán)策略,根據(jù)KLD成分描述故障信息程度的差異分配相應(yīng)的權(quán)值,以加強監(jiān)控模型對微小故障檢測的靈敏性。在一個數(shù)值例子和連續(xù)攪拌反應(yīng)器(CSTR)系統(tǒng)上的仿真結(jié)果表明,本文所提方法具有比傳統(tǒng)KPCA方法更好的微小故障檢測性能。