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。