基于稳态子空间分析与单类支持向量机的非线性时变过程监测方法研究

为解决化工过程中非稳态和非线性的监测难题，研究人员创新性地将稳态子空间分析(SSA)与单类支持向量机(OCSVM)相结合，提出协同监测策略。通过SSA提取稳态成分，OCSVM捕捉非线性特征，构建监测统计量(MS)，显著提升了过程监测的鲁棒性和准确性。案例验证表明该方法优于单一目标监测手段。

　　

化工过程常呈现非稳态(non-stationary)特性，传统多元统计方法难以适用。稳态子空间分析(Stationary Subspace Analysis, SSA)通过分解多元非稳态时间序列识别稳态组分，成为处理此类变量的利器。现代工业过程的复杂性导致变量间存在非线性关联，单类支持向量机(One-Class SVM, OCSVM)运用核技巧(kernel trick)将低维非线性数据映射至高维实现线性可分，并在高维空间构建超平面进行异常检测。

工业数据兼具非稳态与非线性特征，但现有方法(包括SSA和OCSVM)往往仅针对单一特性，难以全面提取特征导致监测性能欠佳。本研究提出SSA-OCSVM协同监测策略：先用SSA提取稳态组分，再通过OCSVM捕获非线性特征，最终构建监测统计量(Monitoring Statistic, MS)实现过程监测增强。该策略充分发挥两种模型的协同效应，通过双案例验证表明：相较于单一方法，该策略能全面提取非稳态与非线性特征，显著提升监测结果的稳健性和准确性，为复杂工业过程监测提供新思路。