摘要：傳統核主元分析法(KPCA)是一種廣泛應用的非線性化工過程故障檢測方法,但是其未充分利用過程數據的概率分布信息,往往難以有效檢測過程中的微小故障。針對傳統KPCA方法的局限性,本文提出了一種基于加權概率相關核主元分析(WPRKPCA)的非線性化工過程微小故障檢測方法。與傳統KPCA方法監控核成分的變化不同,該方法利用Kullback Leibler散度(KLD)度量核成分的概率分布變化,進而建立基于KLD成分的統計監控模型,以充分挖掘過程數據所包含的概率信息。進一步考慮到不同KLD成分承載故障信息的差異性,該方法設計了一種基于核密度估計的指數加權策略,根據KLD成分描述故障信息程度的差異分配相應的權值,以加強監控模型對微小故障檢測的靈敏性。在一個數值例子和連續攪拌反應器(CSTR)系統上的仿真結果表明,本文所提方法具有比傳統KPCA方法更好的微小故障檢測性能。