期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于核函数主元分析的航空发动机故障检测方法 被引量:21
1
作者 胡金海 谢寿生 +2 位作者 陈卫 侯胜利 蔡开龙 《推进技术》 EI CAS CSCD 北大核心 2008年第1期79-83,共5页
航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量... 航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。 展开更多
关键词 航空发动机 性能监控 故障检测 核主元分析法 分析
在线阅读 下载PDF
一种基于自适应核主元分析的故障检测方法 被引量:5
2
作者 胡金海 李应红 +2 位作者 杨帆 尉询楷 侯胜利 《控制工程》 CSCD 2007年第S3期80-83,共4页
针对用一个时不变的固定KPCA模型来监控航空发动机这类时变系统的性能时,可能会引起故障检测、诊断的偏差的问题,提出了基于自适应核主元分析的航空发动机故障检测方法。该方法利用滑动窗口的机制,通过不断加入实时采集的数据,自动更新... 针对用一个时不变的固定KPCA模型来监控航空发动机这类时变系统的性能时,可能会引起故障检测、诊断的偏差的问题,提出了基于自适应核主元分析的航空发动机故障检测方法。该方法利用滑动窗口的机制,通过不断加入实时采集的数据,自动更新监控模型,使KPCA监控模型能适应这种时变系统的正常参数漂移。对某型涡扇发动机进行故障检测的应用结果表明,与静态KPCA检测模型相比,自适应KPCA检测模型具有更好的故障检测效果,可提高故障检测的快速性及准确率。 展开更多
关键词 航空发动机 故障检测 核主元分析法 自适应建模
在线阅读 下载PDF
一种人脸特征选择新方法的研究 被引量:9
3
作者 李伟红 陈伟民 龚卫国 《电子测量与仪器学报》 CSCD 2006年第2期16-20,共5页
本文提出一种人脸特征复合选择的新方法。首先对原始图像进行小波2阶分解和KPCA进行特征提取,然后将获得的特征进行SVM训练,经过GSFS反复选择具有最小间隔的支持向量作为最佳特征组合,最后输入线性SVM分类器进行分类。实验报告了本方法... 本文提出一种人脸特征复合选择的新方法。首先对原始图像进行小波2阶分解和KPCA进行特征提取,然后将获得的特征进行SVM训练,经过GSFS反复选择具有最小间隔的支持向量作为最佳特征组合,最后输入线性SVM分类器进行分类。实验报告了本方法在UMIST及IITL人脸数据库上的应用,并对特征选择前后的分类能力及速度进行了比较,结果显示经过本方法的特征选择后,人脸识别能力有所提高,分类速度明显加快。 展开更多
关键词 人脸识别 小波变换 核主元分析法 支持向量机 广义顺序前进
在线阅读 下载PDF
基于Kernel PCA的人脸识别算法的探讨 被引量:2
4
作者 张晓红 汤晓华 沈晓红 《北京工商大学学报(自然科学版)》 CAS 2008年第3期37-39,共3页
扼要阐明抽取二维人脸图像特征方法并进行人脸识别,结合实验结果进行分析比较主元分析和核主元分析方法的优缺点,得出核主元分析方法在人脸识别算法中误识率低,解决了维数和小样本问题,能准确快速识别人脸的结论.
关键词 人脸识别 分析 核主元分析法
在线阅读 下载PDF
基于t分布随机邻域嵌入算法的工业过程故障分类 被引量:4
5
作者 陶飞 苗爱敏 +2 位作者 李鹏 曹敏 李维 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第3期332-339,共8页
针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法。利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)... 针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法。利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)分类器相结合建立故障分类模型。利用t-SNE算法对故障数据进行非线性特征提取,获取数据的关键区分特征。用FDA和SVM算法实现故障分类和识别。通过田纳西-伊士曼(TE)过程获得的实验数据进行实验仿真分析,并分别与基于核主元分析法(KPCA)、拉普拉斯特征映射(LE)构建的KPCA-FDA、LE-FDA、KPCA-SVM、LE-SVM 4种故障分类模型进行比较。定量评估结果表明:即使基于不同分类器,相较于其他2种方法,该文方法的分类准确率分别提升了2%和7%,且其平均分类准确率能保持在97%以上。 展开更多
关键词 t分布随机邻域嵌入 工业过程 费舍判别分析 支持向量机 田纳西-伊士曼过程 核主元分析法 拉普拉斯特征映射
在线阅读 下载PDF
基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断 被引量:2
6
作者 王磊 谢寿生 +2 位作者 任立通 余坚 崔小军 《推进技术》 EI CAS CSCD 北大核心 2014年第7期988-995,共8页
为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空... 为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。 展开更多
关键词 航空发动机 分布式控制系统 T-S模糊模型 核主元分析法 传感器故障诊断
在线阅读 下载PDF
基于EGK' M-RBF网络的顺丁橡胶门尼黏度预测 被引量:1
7
作者 李大字 钱丽 +1 位作者 王淑红 靳其兵 《化工学报》 EI CAS CSCD 北大核心 2011年第8期2367-2371,共5页
提出一种基于增强的全局K’-means算法(EGK’M)-RBF网络的建模方法,该方法采用作者提出的EGK’M来确定RBF网络隐含层的结构,包括隐含层中心个数、中心位置以及隐含层扩展常数,采用KPCA提取非线性特征信息,实现辅助变量的二次选择。并与... 提出一种基于增强的全局K’-means算法(EGK’M)-RBF网络的建模方法,该方法采用作者提出的EGK’M来确定RBF网络隐含层的结构,包括隐含层中心个数、中心位置以及隐含层扩展常数,采用KPCA提取非线性特征信息,实现辅助变量的二次选择。并与基于PCA和EGK’M-RBF网络模型、基于KPCA和K-means算法的RBF网络模型进行比较,模型验证结果证明本文所提出的模型具有更好的预测能力,更小的泛化绝对误差和均方误差。 展开更多
关键词 改进的全局K'-means算 核主元分析法 门尼黏度 RBF网络
在线阅读 下载PDF
基于多源信号融合的灯泡贯流式机组故障特征提取 被引量:4
8
作者 陈茗 胡边 李靖 《人民长江》 北大核心 2023年第8期185-189,210,共6页
水电机组在非平稳工况及异常运行状态下,会产生剧烈的振动并发出刺耳的噪声。针对上述振动和音频信号,以灯泡贯流式水电机组为研究对象,通过布置高精度的加速度和音频传感器,对机组各部位的振动和噪声进行实时监测,采集振动和音频的多... 水电机组在非平稳工况及异常运行状态下,会产生剧烈的振动并发出刺耳的噪声。针对上述振动和音频信号,以灯泡贯流式水电机组为研究对象,通过布置高精度的加速度和音频传感器,对机组各部位的振动和噪声进行实时监测,采集振动和音频的多源融合信号。采用核主元分析法(KPCA)与改进的K-Means聚类算法提取多源融合信号频率幅值均方根参数,得到水轮机桨叶碰磨、本体敲击及发电机局放等故障的能量分布与特征值,构建了能够反映机组状态的六维特征向量模型。现场故障模拟试验表明,该模型能准确识别出对应故障,为机组检修维护提供了有力支撑。 展开更多
关键词 多源信号融合 故障特征 灯泡贯流式机组 核主元分析法(KPCA) K均值
在线阅读 下载PDF
基于改进KFDA和RW ν-SVM的化工生产系统故障快速诊断 被引量:3
9
作者 王斌 施祖建 匡蕾 《中国安全科学学报》 CAS CSCD 北大核心 2013年第8期84-89,共6页
为提高复杂化工生产系统在线故障诊断的效率和准确率,将改进核费舍尔主元分析法(KFDA)和鲁棒损失小波ν-支持向量机法(RWν-SVM)结合。首先,利用近邻边界法对KFDA进行监督降维,快速辨识和提取化工过程影响因素的核主元。然后,将核主元... 为提高复杂化工生产系统在线故障诊断的效率和准确率,将改进核费舍尔主元分析法(KFDA)和鲁棒损失小波ν-支持向量机法(RWν-SVM)结合。首先,利用近邻边界法对KFDA进行监督降维,快速辨识和提取化工过程影响因素的核主元。然后,将核主元作为诊断和分类RWν-SVM的输入参数,并优化回归决策函数表达式,使诊断过程更加快速,分类更加准确。最后,设计一个基于改进KFDA和RWν-SVM算法,并以经典的田纳西-伊士曼化工过程(TEP)为实例进行计算。结果表明:用改进的算法,能快速诊断和分类化工生产系统中的故障,且在计算效率和正确率方面均优于普通方法,故障诊断结果能够反映化工过程的实际情况。 展开更多
关键词 化工过程 快速故障诊断 费舍尔分析(KFDA) 支持向量机(SVM) 分类算
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部