为了降低包含噪声的现场齿轮磨损数据对最小二乘支持向量机(least squares support vector machine,LSSVM)模型稳健性的影响,采用迭代鲁棒最小二乘支持向量机(iteratively robust least squares support vector machine,IRLSSVM)对齿轮...为了降低包含噪声的现场齿轮磨损数据对最小二乘支持向量机(least squares support vector machine,LSSVM)模型稳健性的影响,采用迭代鲁棒最小二乘支持向量机(iteratively robust least squares support vector machine,IRLSSVM)对齿轮磨损数据进行建模和预报.首先,增加权函数迭代次数以保证建模过程的鲁棒性;然后,将具有全局搜索的耦合模拟退火(coupled simulated annealing,CSA)与局部优化的单纯形法(simplex method,SM)相结合的方法用于优化IRLSSVM模型超参数,进而采用鲁棒交叉验证作为CSA-SM算法拟合目标函数,提高IRLSSVM模型超参数优化过程的鲁棒性;最后,利用K727840ZW变速箱现场齿轮磨损数据进行了数值实验,结果验证了所提出方法的有效性.展开更多
针对复杂工业过程中的非线性和高斯信息问题,提出了一种基于SM-SVDD(score matrix-support vector data description)的过程监测方法。SVDD模型不受线性和高斯假设的限制,克服了传统PCA统计监测方法假设过程满足线性和高斯分布的缺陷。...针对复杂工业过程中的非线性和高斯信息问题,提出了一种基于SM-SVDD(score matrix-support vector data description)的过程监测方法。SVDD模型不受线性和高斯假设的限制,克服了传统PCA统计监测方法假设过程满足线性和高斯分布的缺陷。首先,应用PCA算法对过程数据进行分解,提取出得分矩阵信息。然后,采用SVDD算法对得分矩阵建立基于距离的统计量并构建其相应的统计限。通过对Tennessee Eastman(TE)过程的仿真研究,验证了提出的故障监测算法的可行性和有效性,并提高了故障的监测效果。展开更多
文摘为了降低包含噪声的现场齿轮磨损数据对最小二乘支持向量机(least squares support vector machine,LSSVM)模型稳健性的影响,采用迭代鲁棒最小二乘支持向量机(iteratively robust least squares support vector machine,IRLSSVM)对齿轮磨损数据进行建模和预报.首先,增加权函数迭代次数以保证建模过程的鲁棒性;然后,将具有全局搜索的耦合模拟退火(coupled simulated annealing,CSA)与局部优化的单纯形法(simplex method,SM)相结合的方法用于优化IRLSSVM模型超参数,进而采用鲁棒交叉验证作为CSA-SM算法拟合目标函数,提高IRLSSVM模型超参数优化过程的鲁棒性;最后,利用K727840ZW变速箱现场齿轮磨损数据进行了数值实验,结果验证了所提出方法的有效性.
