专利交易市场

本发明公开一种基于自回归极限学习机的非线性动态过程监测方法，旨在利用极限学习机(ELM)算法实施非线性动态过程监测。具体来讲，本发明方法的核心在于利用ELM算法来拟合非线性的自回归(AR)模型，从而实现对采样数据非线性与时序自相关性特征的描述。实施在线过程监测时，利用平方马氏距离统计指标来监测自回归极限学习机模型的输出估计误差，从而反映出在线采样数据是否异常。与传统方法相比，本发明方法利用ELM拟合出了非线性的AR-ELM模型，描述了测量变量间的非线性动态关系特征。最后，通过具体实施案例对比验证了本发明方法是一种更为优选的非线性动态过程监测方法。

本发明公开一种基于分散式极限学习机的动态过程监测方法，旨在利用ELM为各测量变量建立分散式的非线性模型，解决非线性动态过程中的故障检测问题。具体来讲，本发明依次将各个测量变量作为ELM的输出变量，而其他测量变量及其延时测量值作为ELM的输入变量，从而可以应用ELM算法建立输入与输出之间的非线性动态关系模型。实施故障检测时，将分散式ELM模型的估计误差作为被监测对象实施故障检测。与传统方法相比，本发明方法建立了分散式的非线性模型充分发挥了多模型泛化能力强的优势，而且逐一描述了测量变量间的非线性输入‑输出关系。最后，通过具体实施案例对比验证了本发明方法是一种更为优选的非线性动态过程监测方法。