计算机科学 ›› 2016, Vol. 43 ›› Issue (Z6): 25-27.doi: 10.11896/j.issn.1002-137X.2016.6A.004
吕宁,颜鲁齐,白光远
LV Ning, YAN Lu-qi and BAI Guang-yuan
摘要: 基于主元分析的故障诊断模型应用在非线性时变过程中具有局限性。基于间歇过程具有周期性这一特点,在非线性空间的数据提取中,将核变换理论引入其中,提出了一种改进的多向核主元分析故障诊断模型,该方法对于过程数据的非线性问题的解决和非线性信息的充分提取表现出很好的性能,使得非线性主元能够在高维特征空间中被快速提取。 对比实验结果表明,该方法对于缓慢时变的间歇过程具有很好的准确性与实时性。
[1] Qi Y S,Wang P,Fan S J,et al.Enhanced batch process monitoring using kalman filter and multiway kernel principal component analysis[C]∥2009 Chinese Control and Decision Conference(CCDC 2009).2009:5289-5294 [2] Zhang C,Li Y.Study on the fault-detection method in batchprocess based on statistical pattern analysis[J].Chinese Journal of Scientific Instrument,2013,34(9):2103-2110 [3] 陆宁云,王福利,高福荣,等.间歇过程的统计建模与在线监测[J].自动化学报,2006,32(3):400-410 [4] 潘玉松.基于主元分析的传感器故障检测与诊断[D].河北:华北电力大学2005 [5] 孔晓光,郭金玉,林爱军.基于二维主元分析的间歇过程故障诊断[J].计算机应用,2013,33(2):350-352 [6] 常玉清,王姝,谭帅,等.基于多时段MPCA模型的间歇过程监测方法研究[J].自动化学报,2010,36(9):1312-1320 |
No related articles found! |
|