标题：基于KFDA-SOM的化工过程故障诊断研究
作者：蒋群丰
作者单位：南京理工大学自动化学院，江苏 南京 210094
关键字：核线性判别分析，自组织特征神经网络，故障诊断，田纳西伊斯曼过程，可视化
摘要：如今的工业过程规模大，复杂程度高，导致数据具有非线性、高噪声以及不均匀分布的特点。为了解决单一自组织特征神经网络（Self-organizing Maps，SOM）在非线性数据诊断中判别准确度低的问题，提出结合核Fisher判别分析KFDA（Kernel Fisher Discrimnant Analysis）的SOM故障诊断方法。该算法在对数据进行核化处理改善数据非线性特征后，引入Fisher判别分析对数据进行降维处理，使投影到新子空间的数据具有较大的类间距离。通过对田纳西伊斯曼过程（Tennessee Eastman Process，TEP）中的故障进行仿真研究，验证了KFDA-SOM算法在面对非线性数据的故障分类中具有更好的效果，符合实际工业诊断需求。