期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
局部时差约束邻域保持嵌入算法在故障检测中的应用 被引量:1
1
作者 王琨 侍洪波 +2 位作者 谭帅 宋冰 陶阳 《化工学报》 EI CAS CSCD 北大核心 2022年第7期3109-3119,共11页
传统的邻域保持嵌入(neighborhood preserving embedding,NPE)算法通过k近邻(k-nearest neighbors,k-NN)方法选择邻域进行重构来实现降维。但在实际工业过程中采集的样本具有时序相关性,仅仅通过欧氏距离选择近邻样本不能充分反映数据... 传统的邻域保持嵌入(neighborhood preserving embedding,NPE)算法通过k近邻(k-nearest neighbors,k-NN)方法选择邻域进行重构来实现降维。但在实际工业过程中采集的样本具有时序相关性,仅仅通过欧氏距离选择近邻样本不能充分反映数据中包含的信息,从而影响检测效果。因此,提出一种局部时差约束邻域保持嵌入(local time difference constrained neighborhood preserving embedding,LTDCNPE)算法,充分考虑样本间的时间和空间关系,从而建立准确的故障检测模型。首先,该算法在固定尺度的时间窗内,根据样本的时序关系和空间特征挑选出邻域。其次,利用样本间的时间差异为邻域样本进行加权,使数据特征保留了高维空间的局部结构。然后,对降维后得到的主元空间和残差空间构建T和SPE统计量并确定控制限。最后,通过数值例子和Tennessee Eastman(TE)过程仿真验证LTDCNPE算法的有效性。 展开更多
关键词 过程控制 过程系统 动态建模 邻域保持嵌入算法 邻域选择 故障检测
在线阅读 下载PDF
基于Schur分解和正交邻域保持嵌入算法的故障数据集降维方法 被引量:2
2
作者 刘韵佳 赵荣珍 王雪冬 《中国机械工程》 EI CAS CSCD 北大核心 2017年第21期2552-2556,共5页
针对转子故障特征数据集降维问题,提出一种基于Schur分解和正交邻域保持嵌入算法的故障数据集降维方法——Schur-ONPE降维方法。该方法首先应用小波包分解提取不同频带内的能量以组成故障特征值集合,然后运用Schur分解和ONPE算法将高维... 针对转子故障特征数据集降维问题,提出一种基于Schur分解和正交邻域保持嵌入算法的故障数据集降维方法——Schur-ONPE降维方法。该方法首先应用小波包分解提取不同频带内的能量以组成故障特征值集合,然后运用Schur分解和ONPE算法将高维特征集向低维投影,使降维后类内散度最小化及类间分离度最大化,最后将降维后得到的低维特征集输入K近邻分类器进行模式识别。通过双跨转子试验台的故障特征数据集进行验证,结果表明该方法能够有效地解决转子故障特征集的降维问题。 展开更多
关键词 故障诊断 数据降维 SCHUR分解 正交邻域保持嵌入算法
在线阅读 下载PDF
改进LNS和邻域保持嵌入算法的研究 被引量:3
3
作者 李元 黄莹莹 《计算机应用与软件》 北大核心 2021年第2期250-257,共8页
传统邻域保持嵌入算法(Neighbor Preserving Embedding,NPE)对具有多中心、方差差异明显特性的高维数据的降维处理效果并不好,因此提出一种改进LNS和邻域保持嵌入算法(Modified Local Neighbor Standardization-Neighbor Preserving Emb... 传统邻域保持嵌入算法(Neighbor Preserving Embedding,NPE)对具有多中心、方差差异明显特性的高维数据的降维处理效果并不好,因此提出一种改进LNS和邻域保持嵌入算法(Modified Local Neighbor Standardization-Neighbor Preserving Embedding,MLNS-NPE),并应用于故障诊断中。利用MLNS算法对数据进行处理,对处理后的数据进行NPE算法建模。在数值例子和青霉素发酵过程中应用该算法与传统NPE算法、核邻域保持嵌入算法(KNPE)、KNN算法比较,结果表明,采用该算法后,数据多中心和模态差异消除,为后续NPE算法的应用提供先决条件,同时相比其他算法故障检测率最高,提高了NPE算法对多模态数据的检测能力。 展开更多
关键词 改进LNS算法 邻域保持嵌入算法 青霉素发酵 多模态 故障检测
在线阅读 下载PDF
基于LSNPE算法的化工过程故障检测 被引量:24
4
作者 宋冰 马玉鑫 +1 位作者 方永锋 侍洪波 《化工学报》 EI CAS CSCD 北大核心 2014年第2期620-627,共8页
复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法... 复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化(local standardized,LS)策略应用于邻域保持嵌入(neighborhood preserving embedding,NPE)算法,提出了一种新的基于局部标准化邻域保持嵌入(local standardized neighborhood preserving embedding,LSNPE)算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子(local outlier factor,LOF)构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证了本文提出方法的有效性。 展开更多
关键词 局部标准化 邻域保持嵌入算法 局部离群因子 多模态过程系统 监控模型
在线阅读 下载PDF
基于改进KNPE算法的化工过程故障检测 被引量:4
5
作者 李军祥 李春阳 夏丽莎 《计算机应用研究》 CSCD 北大核心 2021年第5期1459-1462,共4页
核邻域保持嵌入(KNPE)算法能够较好地在非线性空间中进行故障检测,但高斯核函数仅对数据的局部空间有较强学习能力,泛化能力较差。针对上述问题,在高斯核函数的基础上,引入泛化能力较强的多项式核函数与其进行线性加权组合,提出基于组... 核邻域保持嵌入(KNPE)算法能够较好地在非线性空间中进行故障检测,但高斯核函数仅对数据的局部空间有较强学习能力,泛化能力较差。针对上述问题,在高斯核函数的基础上,引入泛化能力较强的多项式核函数与其进行线性加权组合,提出基于组合核函数的邻域保持嵌入(CKNPE)算法。该算法在注重数据局部学习能力的同时增强了外推、预测能力,更多地保留了原始数据的特征信息。通过田纳西—伊斯曼(TE)仿真实验,与CKPCA、CMKPCA算法进行横向比较,并与NPE、KNPE算法进行纵向比较,证明了CKNPE算法对非线性故障检测的优越性。 展开更多
关键词 化工生产 组合核函数 邻域保持嵌入算法 故障检测
在线阅读 下载PDF
KNPE算法在化工过程故障检测中的应用 被引量:3
6
作者 李春阳 夏丽莎 李军祥 《控制工程》 CSCD 北大核心 2020年第1期92-97,共6页
化工生产过程具有维数高、非线性强等特点。针对传统的邻域保持嵌入(NPE)算法对非线性数据特征提取不足的缺陷,引入高斯核函数,将数据由非线性的输入空间转换到线性的特征空间。核邻域保持嵌入(KNPE)算法在构建局部空间特征结构的基础上... 化工生产过程具有维数高、非线性强等特点。针对传统的邻域保持嵌入(NPE)算法对非线性数据特征提取不足的缺陷,引入高斯核函数,将数据由非线性的输入空间转换到线性的特征空间。核邻域保持嵌入(KNPE)算法在构建局部空间特征结构的基础上,能够更好地提取数据的非线性结构。通过以田纳西-伊斯曼(TE)仿真过程为例,构造T2和SPE统计量进行故障检测,证明了KNPE方法比NPE和KPCA方法能够更快更准确的检测出非线性故障的发生。 展开更多
关键词 化工故障 流形学习 邻域保持嵌入算法 故障检测
在线阅读 下载PDF
基于WMNPE间歇过程监测的改进SVDD算法
7
作者 惠永永 赵小强 《兰州理工大学学报》 CAS 北大核心 2018年第6期107-111,共5页
间歇过程数据包含表征过程变化的相关信息和非相关信息,并且呈现高斯与非高斯的多分布等特点.为了更加充分地提取数据的有用信息和处理数据的非高斯性等问题,实现有效的过程监控,提出一种基于WMNPE间歇过程监测的改进SVDD算法.首先运用... 间歇过程数据包含表征过程变化的相关信息和非相关信息,并且呈现高斯与非高斯的多分布等特点.为了更加充分地提取数据的有用信息和处理数据的非高斯性等问题,实现有效的过程监控,提出一种基于WMNPE间歇过程监测的改进SVDD算法.首先运用多向邻域保持嵌入(MNPE)算法来提取低维子流形以实现降维;再使用概率权值策略来提取表征过程变化的相关信息,通过Greedy方法提取低维子流形的特征样本;最后以支持向量数据描述(SVDD)方法建立监控模型进行监控.通过青霉素发酵过程仿真平台验证了所提算法的有效性. 展开更多
关键词 间歇过程 过程监控 多向邻域保持嵌入(MNPE)算法 支持向量数据描述(SVDD)
在线阅读 下载PDF
基于GLRGMM的间歇过程在线监控策略
8
作者 赵小强 周文伟 《计算机应用研究》 CSCD 北大核心 2020年第1期127-130,152,共5页
针对间歇过程的非线性和动态性,提出了全局—局部正则化高斯混合模型(GLRGMM)算法。首先引入邻域保持嵌入算法提取局部流形结构,通过寻求一种低维投影对非线性过程进行全局结构保持,同时最大限度地保留局部流形特征;然后通过对高斯混合... 针对间歇过程的非线性和动态性,提出了全局—局部正则化高斯混合模型(GLRGMM)算法。首先引入邻域保持嵌入算法提取局部流形结构,通过寻求一种低维投影对非线性过程进行全局结构保持,同时最大限度地保留局部流形特征;然后通过对高斯混合模型引入正则项来在线监控更新高斯模型,获取非线性数据流形结构,解决数据动态性问题;最后集成全局—局部监控指标实现在线监控。通过青霉素发酵过程进行了验证,结果表明所提算法比DPCA、GLNPE具有更好的在线监控效果。 展开更多
关键词 间歇过程 在线监控 动态特性 邻域保持嵌入算法 高斯混合模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部