检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进的小波核主元分析故障检测

郑州大学学报（工学版） 2015年第1期36卷 97-100页

作者：张端金汪爱娟郑州大学信息工程学院

研究了基于核主元分析的非线性系统故障检测问题.提出了一种改进的小波核主元分析的故障检测方法.该方法首先对数据进行小波去噪预处理,然后再利用小波核函数,将非线性的输入空间转换到线性特征空间.在特征空间使用主元分析,结合SPE统... 详细信息

研究了基于核主元分析的非线性系统故障检测问题.提出了一种改进的小波核主元分析的故障检测方法.该方法首先对数据进行小波去噪预处理,然后再利用小波核函数,将非线性的输入空间转换到线性特征空间.在特征空间使用主元分析,结合SPE统计量和T2统计量对非线性系统进行故障检测.仿真结果表明:该方法能够提高故障检测性能.

关键词：核主元分析小波核函数小波去噪故障检测

基于核主元分析和模式匹配的非线性性能监控和故障诊断

在线全文

学校读者我要写书评

暂无评论

华北电力大学学报（自然科学版） 2010年第6期37卷 69-73,80页

作者：张曦陈锐民陈世和黄卫剑广东电网公司电力科学研究院广东广州510600

利用核主元分析非线性性能监控的优势,并将相似度分析引入故障诊断领域,提出了基于核主元分析和模式匹配技术相结合的性能监控和故障诊断方法。针对PCA相似度分析存在的问题,对该方法进行了改进。由于KPCA方法具有较好的非线性特性提取... 详细信息

利用核主元分析非线性性能监控的优势,并将相似度分析引入故障诊断领域,提出了基于核主元分析和模式匹配技术相结合的性能监控和故障诊断方法。针对PCA相似度分析存在的问题,对该方法进行了改进。由于KPCA方法具有较好的非线性特性提取能力,因此首先利用KPCA法计算数据的非线性主元,然后计算不同数据集之间的非线性主元相似度;并将主元相似度、非线性主元相似度和基于距离的相似度赋予不同的权值构成综合相似度指标来进行模式匹配。TE过程仿真试验验证了该方法在非线性性能监控与故障诊断中的有效性。

关键词：核主元分析模式匹配非线性性能监控故障诊断

基于核主元分析的风电机组变桨距系统故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于核主元分析的风电机组变桨距系统故障诊断研究

作者：李贺沈阳工业大学

学位级别：硕士

变桨距系统是风电机组控制系统的重要组成部分,其运行状态直接关系到风电机组是否安全可靠运行。风电机组Supervisory Control and Data Acquisition(SCADA)系统具有数据采集与状态监测功能,能够实时监控风电机组变桨距系统的运行状态... 详细信息

变桨距系统是风电机组控制系统的重要组成部分,其运行状态直接关系到风电机组是否安全可靠运行。风电机组Supervisory Control and Data Acquisition(SCADA)系统具有数据采集与状态监测功能,能够实时监控风电机组变桨距系统的运行状态。然而,由于变桨距系统具有复杂的机电结构,导致变桨距系统的故障之间可能存在连锁反应或者相互影响,所以很多时候维修人员无法通过风电机组SCADA系统及时准确地判断出引发变桨距系统故障的故障源。因此,开展变桨距系统故障诊断研究具有重要的学术意义和应用价值。本文针对变桨距系统的相关参数多、非线性及精确建模困难等问题,从风电机组SCADA系统监测的风电机组运行数据出发,利用基于核主元分析(Kernel Principal Component Analysis,KPCA)的数据挖掘方法,进行风电机组变桨距系统故障检测与辨识的研究,实现了基于KPCA的风电机组变桨距系统故障诊断,仿真结果验证了该方法的有效性。本文的主要研究工作如下:(1)本文对风电机组变桨距系统典型故障的故障模式、故障原因以及故障间的关系进行了分析。由分析结果得出,变桨距系统是一个故障率高、相关运行参数多且相互耦合以及故障形式复杂的非线性系统,为开展变桨距系统故障诊断研究奠定了理论基础。(2)为了提高基于KPCA的变桨距系统故障诊断方法的快速性和准确性,本文分析了风电机组SCADA系统监测到的与变桨距系统相关的运行参数,应用Relief算法选择出一些最具代表性、分类性能最好的变桨距系统故障特征变量,构建了变桨距系统观测向量。(3)核函数参数的最优化对基于KPCA的变桨距系统故障诊断方法至关重要,本文应用了基于粒子群优化(Particle Swarm Optimization,PSO)的核函数参数寻优方法,获得了最优核函数参数;以风电机组SCADA系统监测的变桨距系统观测向量运行数据为基础,提出了基于KPCA的变桨距系统故障诊断方法,并进行变桨距系统的故障检测与辨识,实现了变桨距系统的故障诊断;应用风电机组SCADA系统监测到的故障信息开展了仿真研究,验证了基于KPCA的风电机组变桨距系统故障诊断方法的有效性。

关键词：风电机组变桨距系统核主元分析故障诊断

基于参数优化粒子群算法的核主元分析及其在青霉素发酵过程监控的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于参数优化粒子群算法的核主元分析及其在青霉素发酵过程监控的...

作者：陈伟广东技术师范大学

学位级别：硕士

对工业生产过程的状态监控是智能信息处理及应用的热门领域。在线或离线监测工业生产运行状态,检测生产干扰和异常工况,并在故障发生时识别故障类别和诊断故障原因,可以确保工业生产过程的安全性和可维护性,进而提升生产质量。随着工业... 详细信息

对工业生产过程的状态监控是智能信息处理及应用的热门领域。在线或离线监测工业生产运行状态,检测生产干扰和异常工况,并在故障发生时识别故障类别和诊断故障原因,可以确保工业生产过程的安全性和可维护性,进而提升生产质量。随着工业生产领域中各类传感器、智能仪表和过程监控系统的广泛应用,从中得到的海量数据及其导致的“维度灾难”已成为当前工业过程监控技术领域最重要的问题之一。如何充分利用工业过程的海量数据,通过智能信息处理的手段“化繁为简”,自动挖掘数据隐藏的信息,实现过程监控能力的提升,是过程监控领域的终极问题。主元分析（Principal Component Analysis,PCA）是一种基于数据驱动的过程监控方法,它不依赖于准确的数学模型,只需通过对数据的分析处理就可用于过程监控。基于PCA的过程监控方法已被深入研究和广泛应用,该方法对线性过程监控十分有效,但对非线性过程监控的效果却差强人意。核学习方法是一种能够将原始空间中的非线性数据转化为更高维特征空间线性数据,进而实现线性可分的方法。将核学习方法引入非线性过程监控中,从而形成核主元分析（Kernel PCA,KPCA）的非线性过程监控方法,它将非线性过程数据通过核函数映射到高维特征空间,再对特征变量进行主元分析。对比其它非线性监控方法,KPCA能将复杂的非线性优化问题转化为相对简单的求解特征值问题。然而,核参数的选择会严重影响KPCA的监控性,研究利用更高性能的优化方法来实现核参数的最佳选择变得重要且迫切。因此,本文在传统粒子群算法基础上,提出了基于参数优化的粒子群改进算法,利用Fisher判别函数的类间距离最大、类内距离最小的思想构造核参数寻优的适应度函数,用以对KPCA的核参数进行优化选择,进而得到了基于参数优化粒子群算法的KPCA非线性过程监控方法,并以非线性过程Pensim青霉素发酵仿真平台为对象,研究了该过程监控方法的性能。主要研究内容及结论如下:1.本文阐述了粒子群算法（Particle Swarm Optimization,PSO）的基本原理,并提出一种把粒子群算法中加速常数设置为随进化代数变化的函数的改进粒子群算法（Particle Swarm Optimization with dynamic accelerating Constants,CPSO）,用以加快传统粒子群算法的收敛速度,提升寻优性能。在同一驼峰函数寻优问题上分别用传统粒子群算法、标准粒子群算法和CPSO进行对比实验,结果表明CPSO能够加快粒子群算法的收敛速度,同时进一步避免后期陷入局部搜索,具有优势。2.传统的KPCA核参数设定方法计算量大、效率低,为此,本文提出并实现了利用参数优化改进粒子群算法来优化核参数的KPCA的非线性过程监控方法,即利用Fisher判别分析法构造核函数参数优化的目标函数,再利用改进的粒子群算法完成对核函数参数的优化,从而提高KPCA的性能。利用IRIS数据集分别用PCA、PSO-KPCA及本文所提出的CPSO-KPCA进行对比仿真测试,证明了该方法的有效性。3.将CPSO-KPCA方法应用于Pensim青霉素发酵仿真过程监控,结果表明:该方法能有效降低Pensim青霉素发酵仿真过程特征向量的维数,减少运算量,同时对故障的聚类效果良好,增强了故障监控的有效性,提高了数据处理和故障识别的效率。最后,通过总结全文,提出了基于参数优化粒子群算法的核主元分析方法在过程监控中有待深入研究及探讨的问题。

关键词：粒子群核主元分析 Pensim仿真平台过程监控聚类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进核主元分析的过程监测方法研究

基于改进核主元分析的过程监测方法研究

作者：张薇东北大学

学位级别：硕士

随着现代工业过程规模日益扩大,流程日益复杂,如何保证过程运行安全并且提高产品质量是目前工业生产企业急需解决的两个问题,过程监测技术是解决这两个问题的有效方法。但由于实际工业过程的复杂性以及波动性,准确的过程模型建立和应用... 详细信息

随着现代工业过程规模日益扩大,流程日益复杂,如何保证过程运行安全并且提高产品质量是目前工业生产企业急需解决的两个问题,过程监测技术是解决这两个问题的有效方法。但由于实际工业过程的复杂性以及波动性,准确的过程模型建立和应用都十分困难,传统的基于定性和定量模型的理论和方法受到一定局限。由于智能仪表和计算机技术在工业过程应用中的发展,大量高维的且具有强相关性的过程状态数据被采集并存储,很难从中去掉冗余和干扰提取有用信息。多元统计过程监测技术作为应对多变量的相关性的方法,在过去的十几年间得到持续的关注与发展。本文在前人工作成果的基础上,针对非线性工业过程中由于设备老化、过程漂移、传感器测量误差等因素引起的参数漂移问题,做了以下的研究工作：(1)针对过程样本逐渐增大或参数漂移的问题,本文结合基于滑动窗口机制的核主元分析方法和指数加权的核主元分析方法,提出一种自适应核主元分析方法。当过程采集到新样本,先利用滑动窗口判断样本是否满足模型更新的条件。如果满足模型更新条件,则采用指数加权核主元分析方法更新模型;反之,则不进行模型更新,直至采集到下一个正常样本。将该方法用于电熔镁炉工作过程的监测,仿真结果验证方法的可行性。(2)传统的核主元分析方法基于样本不包含劣点的假设,但实际的工业过程所采集的数据往往含有劣点。即使将其映射到特征空间,劣点问题依然存在,对模型产生很大影响,导致过程监测结果不准确。针对这个问题,本文提出一种改进的核主元分析方法,在重建误差最小的意义下定义特征空间的损失函数,采用惩罚因子的迭代核主元分析求解,消除劣点影响,并且用基于遗忘因子的核矩阵更新方法,保证模型更好的符合过程的变化;对新样本先计算重建误差,判断是否是劣点,如果是劣点则重建后更新,如果不是则正常直接更新模型。将此方法应用于电熔镁炉工作过程中进行过程监测,仿真结果表明,改进的核主元分析方法能够减小劣点对模型的影响,提高模型准确性。

关键词：自适应多变量统计过程监测核主元分析损失函数

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

核主元分析在悬跨管道状态识别中的研究

中国海洋平台 2012年第4期27卷 15-19页

作者：孙文勇胡家顺宁信道中国石油集团安全环保技术研究院安全技术研究所北京100083 中国石油乌鲁木齐石化公司质量安全环保处乌鲁木齐830019

提出一种基于核主元分析的悬跨管道状态分类识别方法,实现了海底悬跨管道结构状态的分类识别,指出了悬跨管道状态识别的核心问题及其复杂性。根据核主元分析思想,建立了悬跨管道的状态识别方法,利用管道状态变化过程中系统的前三阶固有... 详细信息

提出一种基于核主元分析的悬跨管道状态分类识别方法,实现了海底悬跨管道结构状态的分类识别,指出了悬跨管道状态识别的核心问题及其复杂性。根据核主元分析思想,建立了悬跨管道的状态识别方法,利用管道状态变化过程中系统的前三阶固有频率,构造了状态特征参数,通过数值仿真验证了本文方法的有效性。

关键词：悬跨管道状态识别固有频率特征参数核主元分析

在线全文

学校读者我要写书评

暂无评论

核主元分析特征提取法的研究

核主元分析特征提取法的研究

第十一届全国信号处理学术年会（CCSP-2003）

作者：甘俊英张有为五邑大学信息学院北京航空航天大学电子信息工程学院

核主元分析是统计主元分析的非线性形式,是统计主元分析的自然推广。本文在统计主元分析的基础上探讨了核主元分析的概念,研究了核主元分析映射数据的标准化实现,揭示了核主元分析与统计主元分析的内在联系,得出了核主元分析用于特征提... 详细信息

核主元分析是统计主元分析的非线性形式,是统计主元分析的自然推广。本文在统计主元分析的基础上探讨了核主元分析的概念,研究了核主元分析映射数据的标准化实现,揭示了核主元分析与统计主元分析的内在联系,得出了核主元分析用于特征提取的方法。核主元分析用于特征提取,是借助于核函数,将输入空间的训练样本数据经过非线性映射转换到特征空间,然后向所选择的多个主特征矢量方向进行投影,最后可以获得多个不相关的主元,为特征提取以及模式识别的应用提供了一条有效途径。

关键词：核主元分析主元分析特征提取

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于VMD-KPCA的轴承设备在线监控

工程机械 2024年第4期55卷 107-116+12页

作者：惠兴胜中国电信股份有限公司烟台分公司

针对轴承运行工况复杂且采集的信号受噪声影响较大，难以提取有效的故障特征并准确进行故障监测的情况，提出基于变分模态分解（VMD）和核主元分析（KPCA）融合的方法对轴承设备进行在线监控。该方法利用相关系数表征VMD得到各本征模态... 详细信息

针对轴承运行工况复杂且采集的信号受噪声影响较大，难以提取有效的故障特征并准确进行故障监测的情况，提出基于变分模态分解（VMD）和核主元分析（KPCA）融合的方法对轴承设备进行在线监控。该方法利用相关系数表征VMD得到各本征模态函数与原振动信号之间的关联程度，选择实相关的分量进行重构，提取重构信号的时、频域特征输入到KPCA模型中，结合热尔连T平方统计量（T2）和平方预测误差统计量（SPE）对轴承设备进行实时故障监测。根据已有的公开试验轴承振动数据集，通过试验分析发现，提出的方法对轴承设备的监控效果较好，能有效地监测出轴承设备发生的故障。

关键词：变分模态分解核主元分析统计量轴承故障监测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

核主元分析优化神经网络的变压器故障检测

工业控制计算机 2018年第10期31卷 33-34,36页

作者：龚瑞昆李昊华北理工大学电气工程学院河北唐山063210

提高变压器故障诊断率及诊断速度是故障诊断研究领域的热点,针对变压器的故障诊断提出了应用KPCA优化神经网络的变压器故障诊断的方法。利用核主元分析方法降维,简化网络结构,使用降维样本来训练网络并识别变压器的故障,并将该方法和传... 详细信息

提高变压器故障诊断率及诊断速度是故障诊断研究领域的热点,针对变压器的故障诊断提出了应用KPCA优化神经网络的变压器故障诊断的方法。利用核主元分析方法降维,简化网络结构,使用降维样本来训练网络并识别变压器的故障,并将该方法和传统BP网络进行仿真比较。仿真结果中该方法训练代数降低,识别率提高,速度得到大幅提升。

关键词：核主元分析神经网络速度故障识别率变压器故障诊断