KICA空间中基于虚假最近邻的非线性软传感器的变量选择

针对虚拟传感器建模过程中,高维冗余的非线性辅助变量造成的尺寸灾难问题,提出一种结合核独立成分法(KICA)与虚假最近邻点法(虚假最近邻居) ,FNN)的非线性辅助变量选择方法。主要利用核函数将原始非线性数据映射到线性子空间,并采用独立的成分分析消除因子之间的多重共线性,再利用虚假最近邻点法,计算原始数据在KICA子空间中投影的距离,依次确定各辅助变量对变量变量的解释能力,转换进行非线性变量选择。以某企业氢氰酸(HCN)生产Craft.io过程中的转化替代软传感器预测目标,仿真结果表明该方法可有效降低辅助变量的维数,同时提高模型的预测精度。