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

基于粒子群优化的核主元分析特征的提取技术

振动．测试与诊断 2009年第2期29卷 162-166页

作者：魏秀业潘宏侠王福杰中北大学机械工程与自动化学院太原030051

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数,并将核主元分析应用于特征提取中。首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其... 详细信息

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数,并将核主元分析应用于特征提取中。首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性。将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果。该方法在机械故障信号的非线性特征提取中具有优势。

关键词：粒子群优化核主元分析特征提取核函数参数故障诊断齿轮箱

基于DPC-MND和多元状态估计的磨煤机故障预警研究

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第5期31卷 928-937页

作者：姚天杨茅大钧韩万里上海电力大学自动化工程学院上海200090 国网上海市电力公司青浦供电公司上海201700

火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核... 详细信息

火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。

关键词：中速磨煤机核主元分析 DPC-MND 多元状态估计技术故障预警

基于核主元分析和GRU神经网络的电站辅机故障预警研究

在线全文

学校读者我要写书评

暂无评论

热能动力工程 2021年第7期36卷 93-98页

作者：姜兴华韩万里茅大钧国家能源集团福建能源有限责任公司福建福州350014 上海电力大学自动化工程学院上海200090

为解决电站辅机运行工况多变、结构复杂以及故障频发等问题,提出了一种基于核主元分析(KPCA)和门控循环单元(GRU)神经网络的电站辅机故障预警方法。通过核主元分析法提取电站辅机设备故障征兆参数,进行原始数据的约简。采用GRU神经网络... 详细信息

为解决电站辅机运行工况多变、结构复杂以及故障频发等问题,提出了一种基于核主元分析(KPCA)和门控循环单元(GRU)神经网络的电站辅机故障预警方法。通过核主元分析法提取电站辅机设备故障征兆参数,进行原始数据的约简。采用GRU神经网络进行电站辅机设备故障预警模型的建立。以神华福建某电厂HP843/Dyn中速磨煤机为例进行故障预警模型的训练、测试以及验证,该方法可以有效且提前发现中速磨煤机故障征兆。

关键词：电站辅机核主元分析门控循环单元神经网络中速磨煤机故障预警

在线全文

学校读者我要写书评

暂无评论

基于二分法的KPCA核参数优选

内江师范学院学报 2024年第2期39卷 71-76页

作者：刘春燕闫广峰林成张雪莲内江师范学院物理与电子信息工程学院四川内江641100 内江师范学院地理与资源科学学院四川内江641100

核主元分析(kernel principal component analysis, KPCA)方法利用核函数把输入空间中的非线性问题转化为特征空间中的线性问题,目前被广泛应用于非线性过程工业的故障检测.采用KPCA算法进行故障检测,核函数中核参数的选择是影响检测结... 详细信息

核主元分析(kernel principal component analysis, KPCA)方法利用核函数把输入空间中的非线性问题转化为特征空间中的线性问题,目前被广泛应用于非线性过程工业的故障检测.采用KPCA算法进行故障检测,核函数中核参数的选择是影响检测结果准确性和可靠性的重要因素.然而,在实际应用中,大多时候是根据经验或采用交叉验证方法进行核参数的选取,因此,通常需要对核参数的取值进行反复调整.这不仅有碍于实现故障检测的自动化、智能化,还难以保证找到的核参数为最优值,从而影响故障检测性能.为此,文中基于二分法思想,提出一种新的KPCA核参数优选方法,并将其用于田纳西-伊斯曼过程(tennessee eastman, TE)故障检测.实验结果表明,该算法能够有效解决KPCA的核参数优选问题,进而确保故障检测结果的准确性和可靠性.

关键词：核主元分析核参数选取故障检测 TE过程二分法

一种基于KPCA-ISSA-SVM的火控计算机电源故障诊断方法

在线全文

学校读者我要写书评

暂无评论

兵器装备工程学报 2024年

作者：高锦涛李英顺郭占男佟维妍沈阳工业大学化工过程自动化学院大连理工大学控制科学与工程学院

传统坦克故障诊断主要靠专家经验，投入人力大、花费时间长。为满足装甲装备的健康管理需求，提出一种基于核主元分析和改进麻雀算法结合支持向量机的故障诊断方法。针对火控系统信号成分复杂、数据量少的问题，首先利用核主元分析降维... 详细信息

传统坦克故障诊断主要靠专家经验，投入人力大、花费时间长。为满足装甲装备的健康管理需求，提出一种基于核主元分析和改进麻雀算法结合支持向量机的故障诊断方法。针对火控系统信号成分复杂、数据量少的问题，首先利用核主元分析降维提取故障数据的非线性特征，减少其他冗余特征对故障识别的影响，降低数据维度。引入混沌Tent映射和非线性惯性权重因子对麻雀搜索算法进行改进，优化支持向量机核心参数并建立故障诊断模型，同时与粒子群优化和鲸鱼优化的支持向量机模型进行实验对比。实验证明：该方法可以有效对坦克火控系统进行故障诊断，且在准确率和诊断效率方面性能较高。

关键词：故障诊断火控系统支持向量机核主元分析麻雀搜索算法

流程生产安全数智化监测系统传感器故障诊断研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国安全生产科学技术 2024年第4期20卷 34-41页

作者：张建荣张伟赵挺生苗雨华中科技大学土木与水利工程学院湖北武汉430074

为保障流程生产安全监测数据的准确性,提出1种结合核主元分析和累积残差贡献率法的故障诊断方法。首先提出“感知-汇聚-决策”的多层级数智化监控系统架构;针对感知层传感器,基于核主元分析构建故障检测模型并通过累积残差贡献率法定位... 详细信息

为保障流程生产安全监测数据的准确性,提出1种结合核主元分析和累积残差贡献率法的故障诊断方法。首先提出“感知-汇聚-决策”的多层级数智化监控系统架构;针对感知层传感器,基于核主元分析构建故障检测模型并通过累积残差贡献率法定位故障传感器;以DYTG转炉厂连铸作业区进行实证分析。研究结果表明:该故障诊断方法在SPE指标上的平均检测率和平均误检率分别为95.28%和2.61%,在T^(2)指标上的平均检测率和平均误检率分别为84.36%和1.71%,且针对4种故障形式均能精准定位故障传感器。研究结果有助于降低监测系统的维护成本,提升流程生产安全管控水平。

关键词：流程生产传感器故障诊断核主元分析累积残差

基于核主元分析与核密度估计的非线性过程故障监测与识别

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2022年第10期31卷 329-334页

作者：郑天标肖应旺广东技术师范大学自动化学院广州510665

在针对将核主元分析(kernel principal components analysis,KPCA)与基于高斯分布的控制限(control limits,CLS)相结合会降低其性能的问题,提出了一种基于核主元分析与核密度估计(kernel principal components analysiskernel density estimation,KPCA-KDE)相结合的非线性过程故障监测与识别方法.该方法采用核密度估计(kernel density estimation,KDE)技术来估计基于KPCA的非线性过程监控的CLS.通过研究KPCA和KPCA-KDE所有20个故障的检出率发现,与相应的基于高斯分布的方法进行比较,KDE具有较高的故障检出率;此外,基于KDE的检测延迟等于或低于其他方法.通过改变带宽和保留的主元数量进行故障检测,KPCA记录的FAR值较高,相反,KPCA-KDE方法仍然没有记录任何假报警.在田纳西伊斯曼过程(Tennessee Eastman,TE)上的应用表明,KPCA-KDE比基于高斯假设的CLS的KPCA在灵敏度和检测时间上都具有更好的监控性能.

关键词：故障检测与识别过程监控非线性系统多变量统计核密度估计机器学习故障诊断核主元分析

基于PSO优化核主元分析的海上风电机组运行工况分类

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2016年第16期44卷 28-35页

作者：郑小霞李美娜王靖任浩翰符杨上海电力学院自动化工程学院上海200090 上海东海风力发电有限公司上海200090

海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类... 详细信息

海上风电机组运行环境复杂多变,对其工况进行分类可以提高机组运行健康状态评价的准确性,为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题,综合考虑类内散度和类间散度构建优化核参数的适应度函数,应用PSO算法对其进行寻优,将优化后的KPCA用于数据的特征提取,在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后,应用该方法对某海上风电场实测数据进行工况分类,并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明,提出方法的分类结果优于其他两种,能够得到清晰准确的分类结果,利于分工况建立准确的机组运行健康状态评价模型。

关键词：海上风电机组工况分类 PSO 核主元分析类别可分性模糊C-均值聚类

在线全文

学校读者我要写书评

暂无评论

核主元分析及其在人脸识别中的应用

计算机工程 2004年第13期30卷 13-14页

作者：黄国宏邵惠鹤上海交通大学自动化研究所上海200030

传统的基于数据二阶统计矩的特征脸法(Eigenface)或主元分析法(PCA)是一种有效的数据特征提取方法,是基于原始特征的一种线性变换。但是,当原始数据中存在非线性属性时,用主元分析法后留下的显著成分就可能不再反映这种非线性属性。而... 详细信息

传统的基于数据二阶统计矩的特征脸法(Eigenface)或主元分析法(PCA)是一种有效的数据特征提取方法,是基于原始特征的一种线性变换。但是,当原始数据中存在非线性属性时,用主元分析法后留下的显著成分就可能不再反映这种非线性属性。而核主元分析则是基于原始数据的高阶统计量,是一种非线性变换,在图像识别中它可以描述多个像素之间的相关性。该文采用KPCA法提取人脸特征,利用线性支持向量机设计分类器,实验结果表明,基于核主元分析方法的识别正确率明显优于基于主元分析法。

关键词：人脸识别核主元分析支持向量机主元分析