一种基于特征子空间的改进动态核主元分析方法

发布时间：2017-12-16 13:04

  本文关键词：一种基于特征子空间的改进动态核主元分析方法

  更多相关文章： 动态核主成分分析 特征空间 特征提取 故障检测 TE过程

【摘要】：针对传统的动态核主成分分析(dynamic kernel principal component analysis,DKPCA)用于大样本数据集的故障检测时,占用计算机内存大、计算复杂度高等不足,提出一种基于特征子空间的DKPCA算法(EFS-DKPCA)。该方法通过构建具有较小维数特征子空间上的正交基来简化核矩阵K,从而降低DKPCA的计算复杂性。与DKPCA方法相比,该方法具有更高的计算效率,且只需较小的计算机存储空间。将该方法应用于TE(tennessee eastman)过程,仿真结果显示,两者诊断结果大致相同,而所需时间大大减小,说明了本算法的有效性。
【作者单位】： 西南科技大学信息工程学院;西南交通大学地球科学与环境工程学院;
【基金】：特殊环境机器人技术四川省重点实验室开放基金资助项目(13zxtk06)
【分类号】：TP277
【正文快照】： 611756)0引言随着测量技术和数据存储技术的发展,大量的过程数据被采集和存储在数据库中,从中快速、有效地提取有用信息并用于故障检测,成为一个重要的研究课题。PCA是一种广泛应用于过程监控的线性变换方法,对大部分生产过程的监控可取得较好的效果,但在提取大型、复杂和非线，

本文编号：1296106