为了提高故障检测准确率,提出了基于动态受控主元分析(dynamic controlled principal component analysis,DCPCA)模型的故障检测方法。首先,利用DCPCA提取动态受控主元(dynamic controlled principal component,DCPC),所得DCPC包含过程...为了提高故障检测准确率,提出了基于动态受控主元分析(dynamic controlled principal component analysis,DCPCA)模型的故障检测方法。首先,利用DCPCA提取动态受控主元(dynamic controlled principal component,DCPC),所得DCPC包含过程的自回归特性和与控制输入之间的动态因果关系,使得构建的DCPCA模型更精确。然后,针对传统方法只对过程变量进行静态空间结构的故障检测,忽略了动态特性的问题,基于DCPCA模型适时应用检测综合指标,对系统进行静态重构误差和动态模型误差的双重检测,使得检测结果更全面。最后,基于田纳西-伊斯曼(Tennessee-Eastman,TE)过程的仿真结果验证了所提方法的可行性和有效性。展开更多
文中提出了一种基于3层 BP 人工神经网络新的光纤陀螺捷联系统动态误差模型的建模方法。在Matlab 软件平台上,利用正交三轴转台速率实验产生的大量数据样本对网络结构模型进行了学习训练,并使用实测数据对得到的模型进行了验证研究。实...文中提出了一种基于3层 BP 人工神经网络新的光纤陀螺捷联系统动态误差模型的建模方法。在Matlab 软件平台上,利用正交三轴转台速率实验产生的大量数据样本对网络结构模型进行了学习训练,并使用实测数据对得到的模型进行了验证研究。实验结果表明,训练后的3层 BP 网络模型辨识精度高,可以做光纤陀螺捷联惯导系统的动态误差模型直接使用,为系统的动态误差补偿提供了数学基础。展开更多
文摘为了提高故障检测准确率,提出了基于动态受控主元分析(dynamic controlled principal component analysis,DCPCA)模型的故障检测方法。首先,利用DCPCA提取动态受控主元(dynamic controlled principal component,DCPC),所得DCPC包含过程的自回归特性和与控制输入之间的动态因果关系,使得构建的DCPCA模型更精确。然后,针对传统方法只对过程变量进行静态空间结构的故障检测,忽略了动态特性的问题,基于DCPCA模型适时应用检测综合指标,对系统进行静态重构误差和动态模型误差的双重检测,使得检测结果更全面。最后,基于田纳西-伊斯曼(Tennessee-Eastman,TE)过程的仿真结果验证了所提方法的可行性和有效性。
文摘文中提出了一种基于3层 BP 人工神经网络新的光纤陀螺捷联系统动态误差模型的建模方法。在Matlab 软件平台上,利用正交三轴转台速率实验产生的大量数据样本对网络结构模型进行了学习训练,并使用实测数据对得到的模型进行了验证研究。实验结果表明,训练后的3层 BP 网络模型辨识精度高,可以做光纤陀螺捷联惯导系统的动态误差模型直接使用,为系统的动态误差补偿提供了数学基础。
