期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于分块核主成分分析和支持向量机的故障检测 被引量:13
1
作者 李锦冰 韩冰 +4 位作者 冯守渤 张佳冬 李宇 钟凯 韩敏 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第4期847-854,共8页
针对工业系统监测数据为非线性,且难以辨识复杂工作过程中故障位置的问题,提出一种基于分块核主成分分析(BKPCA)和最小二乘支持向量机(LS-SVM)的集成故障检测方法.首先对系统监测变量进行分块,使用KPCA对每个分块在特征空间中建立T2和... 针对工业系统监测数据为非线性,且难以辨识复杂工作过程中故障位置的问题,提出一种基于分块核主成分分析(BKPCA)和最小二乘支持向量机(LS-SVM)的集成故障检测方法.首先对系统监测变量进行分块,使用KPCA对每个分块在特征空间中建立T2和平方预测误差(SPE)统计量来实时监测系统健康状态,并使用LS-SVM对上述过程检测出来的故障数据进行再次判断.随后计算出现故障后计算每一分块的故障贡献率,进而确定发生故障的分块.由于采用了并行分块算法,可以较简单的确定故障发生位置,提高计算效率,同时LS-SVM方法的应用也可以提升故障检测的精度.使用田纳西-伊斯曼化工(TE)过程数据对本文所提方法进行仿真验证,试验结果表明所提方法取得了较好效果. 展开更多
关键词 故障检测 分块核主成分分析 最小二乘支持向量机 特征提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部