分步自回归核主元分析法及其应用

发布时间：2017-09-07 06:37

  本文关键词：分步自回归核主元分析法及其应用

  更多相关文章： 故障诊断 核主元分析 分步动态策略 滑动窗口 指数加权

【摘要】：针对传统核主元分析法诊断动态系统故障可能会出现大量误报、漏报问题,提出一种分步自回归核主元分析法。该方法以分步动态策略为基础建立诊断模型,结合滑动窗口机制和指数加权思想,通过不断加入经加权处理的实时数据更新诊断模型,使用T~2和SPE统计量判断系统是否发生故障。将该方法应用于柴油机气阀机构故障检测,结果表明:该方法既能充分利用原始数据和实时动态信息,自动更新模型,又能减小计算量,更早监测出异常工作状态,提高故障诊断的快速性,还能增大故障敏感度,使诊断结果更加准确可靠。
【作者单位】： 火箭军工程大学;
【关键词】： 故障诊断 核主元分析 分步动态策略 滑动窗口 指数加权
【基金】：国家自然科学基金(61201449)
【分类号】：TK428
【正文快照】： 0引言核主元分析法[1](Kernel Principal Component Anal-ysis,KPCA)是一种非线性数据处理方法,目前已经在入侵检测、图像处理、过程监控、故障诊断等领域得到了成功应用[2-5]。但传统KPCA建立在静态模型基础上,存在模型训练完成后不能改变的缺陷,应用于动态时变系统中可能会

【相似文献】

中国期刊全文数据库 前10条

1 唐勇波;桂卫华;彭涛;;代价敏感核主元分析及其在故障诊断中的应用[J];中南大学学报(自然科学版);2013年06期

2 李学军;李平;蒋玲莉;;类均值核主元分析法及在故障诊断中的应用[J];机械工程学报;2014年03期

3 刘世成;王海清;李平;;基于多向核主元分析的青霉素生产过程在线监测[J];浙江大学学报(工学版);2007年02期

4 邓晓刚;田学民;;基于免疫核主元分析的故障诊断方法[J];清华大学学报(自然科学版);2008年S2期

5 赵小强;杨武;薛永飞;;可变窗自适应核主元分析的化工过程故障诊断算法[J];东南大学学报(自然科学版);2013年S1期

6 李学军;杨大炼;郭灯塔;蒋玲莉;;基于基座多传感核主元分析的故障诊断[J];仪器仪表学报;2011年07期

7 毕小龙;王洪跃;司风琪;徐治皋;;基于核主元分析的传感器故障检测[J];动力工程;2007年04期

8 郑育平;张丽萍;;基于核主元分析的湿法烟气脱硫系统的故障诊断[J];福州大学学报(自然科学版);2013年03期

9 姜万录;吴胜强;刘思远;;指数加权动态核主元分析法及其在故障诊断中应用[J];机械工程学报;2011年03期

10 王涛;李艾华;高运广;王旭平;蔡艳平;;一种并行遗传优化核主元分析算法[J];噪声与振动控制;2013年02期

中国重要会议论文全文数据库 前6条

1 赵小强;杨武;薛永飞;;可变窗自适应核主元分析的化工过程故障诊断算法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

2 钟秉翔;;一种基于核主元分析的精简化建模方法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

3 甘俊英;张有为;;核主元分析特征提取法的研究[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

4 崔桂梅;鄢常亮;马祥;;基于核主元分析和支持向量机的高炉向凉、向热故障诊断[A];中国计量协会冶金分会2010年会论文集[C];2010年

5 汪爱娟;张端金;介晓婧;;基于核主元分析的故障检测[A];2013年中国智能自动化学术会议论文集（第四分册）[C];2013年

6 倪国文;刘爱伦;;基于核主元分析的非线性故障检测研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 张敏;复杂生产过程质量控制的智能方法研究[D];西南交通大学;2013年

中国硕士学位论文全文数据库 前10条

1 李璐;石油钻井过程井漏异常的预警技术研究[D];郑州大学;2015年

2 张薇;基于改进核主元分析的过程监测方法研究[D];东北大学;2014年

3 胡志勇;基于核主元分析及扩展方法的过程监测[D];东北大学;2011年

4 滕永懂;基于核主元分析的动态过程监测[D];东北大学;2010年

5 李蓉一;基于核主元分析的故障检测与诊断研究[D];南京师范大学;2011年

6 杨武;基于改进核主元分析的化工过程故障诊断研究[D];兰州理工大学;2013年

7 冯玮;基于核主元分析的过程监测方法研究[D];东北大学;2013年

8 何巍;基于多块核主元分析和概率符号有向图的故障诊断方法研究[D];中南大学;2013年

9 石晋明;基于粗糙集与核主元分析方法的柴油机故障检测与诊断[D];中北大学;2014年

10 高金凤;基于数据驱动的非线性过程故障诊断方法研究[D];沈阳理工大学;2014年

，

本文编号：807985