论文部分内容阅读
提出一种改进的主元分析(PCA)方法.利用主元相关变量残差统计量代替平方预测误差Q统计量,并采用累积方差贡献率及复相关系数确定PCA模型的主元数.将改进的主元分析法应用于粘菌素发酵过程监测和故障诊断中,仿真结果表明改进的PCA方法避免了Q统计量的保守性,并保证了主元子空间中的信息存量.与一种基于特征子空间的系统性能监控方法相比较,改进的PCA方法具有更强的有效性.