期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
间歇过程在线检测的核独立元分析及局部建模方法
1
作者 王丽 徐兵 《上海应用技术学院学报(自然科学版)》 2014年第3期224-227,共4页
针对间歇过程所具有的非线性特点,提出了一种基于核独立元分析(Kernel ICA)及局部建模的在线故障检测策略.将展开的高维历史数据按时间间隔划分,应用Kernel ICA算法对每一个时间间隔点的分数据块提取独立主成分,构造检测统计量,并用非... 针对间歇过程所具有的非线性特点,提出了一种基于核独立元分析(Kernel ICA)及局部建模的在线故障检测策略.将展开的高维历史数据按时间间隔划分,应用Kernel ICA算法对每一个时间间隔点的分数据块提取独立主成分,构造检测统计量,并用非参数估计方法确定其控制限.这种建模方法机理简单,而且不需要预测过程未知的测量数据.通过对DuPont间歇聚合过程的仿真,验证了所提出方法的有效性和准确性. 展开更多
关键词 在线检测 核独立元分析 间歇过程
在线阅读 下载PDF
基于多尺度核独立元分析与核极限学习机的柴油机故障诊断 被引量:2
2
作者 肖忠宝 《车用发动机》 北大核心 2017年第6期84-89,共6页
为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增... 为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。 展开更多
关键词 固有时间尺度分解 多尺度核独立元分析 特征增强 量子粒子群 极限学习机 故障诊断
在线阅读 下载PDF
数据驱动PCA、ICA和KICA故障检测仿真比较 被引量:5
3
作者 张宵 马洁 《北京信息科技大学学报(自然科学版)》 2014年第5期56-61,66,共7页
针对同一非线性过程数据,分别应用多元统计过程监控技术中的主元分析(Principal Component Analysis,PCA)、独立元分析(Independent Component Analysis,ICA)和核独立元分析(Kernel Independent Component Analysis,KICA)三种方法进行... 针对同一非线性过程数据,分别应用多元统计过程监控技术中的主元分析(Principal Component Analysis,PCA)、独立元分析(Independent Component Analysis,ICA)和核独立元分析(Kernel Independent Component Analysis,KICA)三种方法进行了故障检测建模,并进行了仿真比较研究。通过田纳西-伊斯曼过程(Tennessee Eastman Process,TE)仿真结果表明:在处理实际工业生产中非线性、非高斯的数据方面,KICA方法具有更强的故障监测能力。 展开更多
关键词 非线性过程 故障检测 分析 独立分析 核独立元分析
在线阅读 下载PDF
不同展开方法在间歇过程故障检测中的应用
4
作者 王丽 《上海应用技术学院学报(自然科学版)》 2010年第3期175-179,共5页
间歇过程数据是一个典型的三维数据形式,数据的展开方法在一定程度上影响了所建立的统计模型的精确度。针对这一问题,提出了基于不同展开方式上的核独立元分析(KernelICA)的在线故障检测方法,并应用于青霉素生产过程的数据分析中。仿真... 间歇过程数据是一个典型的三维数据形式,数据的展开方法在一定程度上影响了所建立的统计模型的精确度。针对这一问题,提出了基于不同展开方式上的核独立元分析(KernelICA)的在线故障检测方法,并应用于青霉素生产过程的数据分析中。仿真结果表明,与传统的在批次方向展开的建模方法相比,所提出的方法大大降低了故障的漏报率,具有更好的故障检测性能。 展开更多
关键词 间歇过程 故障检测 核独立元分析
在线阅读 下载PDF
基于复合特征和FOAGRNN的心电图分类
5
作者 郭庆 吴汝琴 徐翠锋 《微电子学与计算机》 CSCD 北大核心 2018年第6期31-35,共5页
为提高心电图分类的准确度,提出一种基于复合特征和FOAGRNN的心电图分类方法.该方法首先用核独立主元分析(KICA)对心电信号进行非线性特征提取得到特征向量A,其次采用小波包变换对心电信号进行多尺度分解,提取小波包节点系数重构后的归... 为提高心电图分类的准确度,提出一种基于复合特征和FOAGRNN的心电图分类方法.该方法首先用核独立主元分析(KICA)对心电信号进行非线性特征提取得到特征向量A,其次采用小波包变换对心电信号进行多尺度分解,提取小波包节点系数重构后的归一化能量组成特征向量B,A和B组合成复合特征向量C作为心电信号特征,再者利用果蝇算法(FOA)优化广义回归神经网络(GRNN)参数构建出FOAGRNN模型,最后利用优化后的分类模型对心电特征进行识别分类.仿真实验结果表明,FOAGRNN分类方法较其它方法具有很高的分类准确度,分类正确率可达到99.0%. 展开更多
关键词 果蝇算法 广义回归神经网络 独立分析 小波包 心电图分类 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