期刊文献+
共找到344篇文章
< 1 2 18 >
每页显示 20 50 100
基于标准距离k近邻的多模态过程故障检测策略 预览
1
作者 冯立伟 张成 +1 位作者 李元 谢彦红 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第4期553-560,共8页
工业产品的生产经常需要在不同模态间切换,多模态过程数据具有多中心和方差差异大等特点.针对多模态过程数据的特征,通过构造标准距离,提出了基于标准距离k近邻的故障检测策略(SD-kNN).首先在标准距离度量下计算样本与其前k近邻的距离;... 工业产品的生产经常需要在不同模态间切换,多模态过程数据具有多中心和方差差异大等特点.针对多模态过程数据的特征,通过构造标准距离,提出了基于标准距离k近邻的故障检测策略(SD-kNN).首先在标准距离度量下计算样本与其前k近邻的距离;其次将近邻距离的平方和的均值作为样本的统计量D^2;最后,根据D^2的分布确定检测方法的控制限,当新样本的D2大于控制限时,判定其为故障,否则为正常.标准距离使不同模态中样本间的近邻距离能够在同一尺度下度量,使得SD-kNN的D^2能够准确反映样本间的相似程度.进行了数值模拟过程和青霉素发酵过程故障检测实验.SD-kNN方法检测出了数值模拟过程的全部故障和青霉素过程95%以上的故障,相对于PCA,kPCA,FD-kNN等方法具有更高的故障检测率.SD-kNN继承了FD-kNN对一般多模态过程的故障检测能力,还能够对方差差异显著的多模态过程进行故障检测. 展开更多
关键词 分析 分析 K近邻 故障检测 多模态
在线阅读 下载PDF
基于权重k近邻的多模态过程故障检测方法
2
作者 冯立伟 张成 +1 位作者 李元 谢彦红 《控制工程》 CSCD 北大核心 2019年第11期1986-1993,共8页
工业过程往往运行于多个生产模态,针对多模态过程数据的空间分布特点:中心漂移和模态协方差差异明显,提出了基于权重k近邻的故障检测方法(FD-wkNN)。首先在训练数据集中寻找第k近邻并计算近邻距离;其次把此k近邻与其前K近邻集的局部近... 工业过程往往运行于多个生产模态,针对多模态过程数据的空间分布特点:中心漂移和模态协方差差异明显,提出了基于权重k近邻的故障检测方法(FD-wkNN)。首先在训练数据集中寻找第k近邻并计算近邻距离;其次把此k近邻与其前K近邻集的局部近邻平均距离倒数作为权重,构建加权平均累积距离D作为统计量。加权平均累积距离可以有效降低中心漂移和协方差差异明显的影响;最后,利用核密度估计确定训练样本集统计量D的控制限,当新样本的加权平均累积距离大于控制限时,则其为故障;否则为正常。FD-wkNN具有对协方差较小模态的微弱故障的检测能力。通过模拟实例和青霉素发酵过程进行故障检测仿真实验,并与PCA,KPCA,FD-kNN等方法比较,验证了所提方法的有效性。 展开更多
关键词 分析 分析 K近邻 多模态 故障检测
故障检测中核参数优化方法性能评估 预览
3
作者 张凯 齐恬婧 +1 位作者 彭开香 储若慧 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第9期1520-1527,共8页
近年来,基于核主元分析与核偏最小二乘的方法经常被应用于过程监控与故障检测领域以克服工业过程的非线性.研究发现此类方法的检测性能很大程度上受核参数的影响,而目前学术界对该参数的优化方法研究较少.因此,本文以最常用的高斯核方... 近年来,基于核主元分析与核偏最小二乘的方法经常被应用于过程监控与故障检测领域以克服工业过程的非线性.研究发现此类方法的检测性能很大程度上受核参数的影响,而目前学术界对该参数的优化方法研究较少.因此,本文以最常用的高斯核方法为例,首先总结了3类常用的核参数优化方法:二分法、基于BP神经网络的重构法和基于样本分类的重构法;其次重点分析每个方法的特点和它们之间的联系,并评估它们的性能;最后将上述方法设计成一个核参数优化系统应用于热连轧过程的故障检测中.应用结果表明,优化后的核参数能显著提高故障检测性能. 展开更多
关键词 故障检测 过程监控 参数优化 分析 偏最小二乘 热连轧
在线阅读 下载PDF
基于核典型RF的过程故障诊断
4
作者 曹玉苹 卢霄 +1 位作者 田学民 邓晓刚 《控制工程》 CSCD 北大核心 2019年第4期746-751,共6页
基于主元分析的旋转森林没有考虑特征的时序相关性,为此,提出一种基于核典型旋转森林的故障诊断方法,以提高非线性动态过程的故障诊断精度。所提方法通过未知非线性映射将随机森林特征投影到高维线性再生核Hilbert空间,利用典型变量分... 基于主元分析的旋转森林没有考虑特征的时序相关性,为此,提出一种基于核典型旋转森林的故障诊断方法,以提高非线性动态过程的故障诊断精度。所提方法通过未知非线性映射将随机森林特征投影到高维线性再生核Hilbert空间,利用典型变量分析提取变量的动态相关信息,得到不相关特征。采用核函数解决非线性映射未知的问题,为了避免传统核典型变量分析存在的核矩阵奇异问题,该研究在核主元空间提取典型变量,以训练决策树。该方法考虑了随机森林特征的非线性相关性和动态相关性,增加了决策树之间的差异性,有助于提高故障诊断精度。以田纳西-伊斯曼过程为例对所提方法的有效性进行了验证。 展开更多
关键词 故障诊断 随机森林 旋转森林 典型变量分析 分析
基于加权统计局部核主元分析的非线性化工过程微小故障诊断方法 预览
5
作者 邓佳伟 邓晓刚 +1 位作者 曹玉苹 张晓玲 《化工学报》 EI CAS CSCD 北大核心 2019年第7期2594-2605,共12页
传统统计局部核主元分析(statistical local kernel principal component analysis, SLKPCA)在构造改进残差时未考虑样本的差异性,使得故障样本信息易于被其他样本所掩盖,针对该问题,提出一种基于加权统计局部核主元分析(weighted stati... 传统统计局部核主元分析(statistical local kernel principal component analysis, SLKPCA)在构造改进残差时未考虑样本的差异性,使得故障样本信息易于被其他样本所掩盖,针对该问题,提出一种基于加权统计局部核主元分析(weighted statistical local kernel principal component analysis, WSLKPCA)的非线性化工过程微小故障诊断方法。该方法首先利用KPCA获取过程的得分向量和特征值并构建初始残差。然后设计了一种基于测试样本与训练样本之间距离的加权策略构建加权改进残差,对含有较强微小故障信息的样本赋予较大权值,以增强故障样本的影响。最后,采用基于测量变量与监控统计量之间的加权互信息构建贡献图以识别故障源变量。在连续搅拌反应釜和田纳西伊斯曼(Tennessee Eastman, TE)化工过程上的仿真结果表明,所提方法具有良好的微小故障检测与识别性能。 展开更多
关键词 化工过程 微小故障 分析 统计局部方法 故障诊断
在线阅读 下载PDF
基于KPCA信息融合与随机森林的中介轴承故障诊断方法 预览
6
作者 艾延廷 孙志航 +2 位作者 田晶 许鹭 王志 《沈阳航空航天大学学报》 2019年第5期1-9,共9页
针对航空发动机中介轴承故障信号传递结构复杂且路径长、信噪比低的问题,提出了一种基于核主元分析(KPCA)与随机森林(Random Forest)相结合的故障诊断新方法,利用EEMD处理非线性信号的优势进行信号分析。首先,将采集的声发射信号分解成... 针对航空发动机中介轴承故障信号传递结构复杂且路径长、信噪比低的问题,提出了一种基于核主元分析(KPCA)与随机森林(Random Forest)相结合的故障诊断新方法,利用EEMD处理非线性信号的优势进行信号分析。首先,将采集的声发射信号分解成多个IMF分量,为兼顾时域和频域信息,提取各个IMF分量的样本熵(SampEn)和奇异熵(SingEn)作为各层信号的时频特征。利用KPCA将各分量的样本熵和奇异熵融合,并降低维度得到体现时频信息的数据样本,最后训练出以随机森林为模型的多类分类器。研究表明,基于KPCA信息融合与随机森林的中介轴承故障方法有效,故障识别准确率可达95%以上。 展开更多
关键词 分析 随机森林 中介轴承 信息融合 声发射信号 故障诊断
在线阅读 下载PDF
GFD和核主元分析的机械振动特征提取 预览
7
作者 韦祥 李本威 吴易明 《振动.测试与诊断》 EI CSCD 北大核心 2019年第1期32-38,219共8页
针对旋转机械非线性特征提取的问题,提出了广义分形维数(generalized fractal dimension,简称GFD)和核函数主元分析(kernel principal component analysis,简称KPCA)的旋转机械振动特征提取方法。首先,通过广义分形维数进行初次特征提取... 针对旋转机械非线性特征提取的问题,提出了广义分形维数(generalized fractal dimension,简称GFD)和核函数主元分析(kernel principal component analysis,简称KPCA)的旋转机械振动特征提取方法。首先,通过广义分形维数进行初次特征提取,形成高维特征空间;其次,通过核主元分析方法对高维特征空间降维并进行第二次特征提取;最后,利用核主元分析方法和KN近邻(KNN)方法对转子和轴承不同状态下的特征进行了分类。研究表明,GFD-KPCA方法对旋转机械进行了有效的特征提取,对不同状态的数据有高精度的分类,对参数选取有较低的依赖性。轴承微弱振动特征提取结果显示,GFD-KPCA性能优于常规的KPCA特征提取算法,具有更好的精度和适用范围。 展开更多
关键词 旋转机械 广义分形维数 分析 特征提取 故障分类
在线阅读 下载PDF
全矢KPCA和AR模型结合的滚动轴承故障预测方法 预览
8
作者 高亚娟 陈磊 +1 位作者 林辉翼 韩捷 《机械设计与制造》 北大核心 2019年第11期20-24,共5页
由于单一传感器获取的振动信号具有片面性,采用全矢谱信息融合技术对滚动轴承信号进行特征提取,并与KPCA模型和AR时序预测方法相结合进行故障预测。首先,采用全矢谱技术提取实验数据中的特征主振矢;然后,采用KPCA方法对得到的特征主振... 由于单一传感器获取的振动信号具有片面性,采用全矢谱信息融合技术对滚动轴承信号进行特征提取,并与KPCA模型和AR时序预测方法相结合进行故障预测。首先,采用全矢谱技术提取实验数据中的特征主振矢;然后,采用KPCA方法对得到的特征主振矢进行融合,消除数据冗余,并建立全矢KPCA监控模型;最后,将测试样本输入全矢KPCA监控模型并输出T2和SPE统计量,将其值作为AR预测模型的输入,预测其变化情况,并根据其预测值超出KPCA监控模型的控制限与否来判断设备是否出现故障。实验结果表明,该方法既能较好地预测出滚动轴承的运行状态,又能进一步追踪故障发展趋势,为及时做好维修措施提供理论依据。 展开更多
关键词 故障预测 分析 全矢谱 AR模型 滚动轴承 信息融合
在线阅读 下载PDF
基于KPCA和FSVM的猪肉组织变性识别方法 预览
9
作者 董胡 钱盛友 +3 位作者 刘备 谭乔来 邹孝 刘刚 《测控技术》 2019年第1期63-66,共4页
生物组织变性识别是监测HIFU治疗过程的一个重要方面,对提升HIFU治疗效果有重要意义。提出了一种基于核主元分析(KPCA)和模糊支持向量机(FSVM)的猪肉组织变性分类识别方法。对HIFU辐照离体猪肉组织产生的超声回波信号分别提取能量、衰... 生物组织变性识别是监测HIFU治疗过程的一个重要方面,对提升HIFU治疗效果有重要意义。提出了一种基于核主元分析(KPCA)和模糊支持向量机(FSVM)的猪肉组织变性分类识别方法。对HIFU辐照离体猪肉组织产生的超声回波信号分别提取能量、衰减系数、背向散射积分等时频域特征,构造表征组织变性特征的混合域特征集。利用KPCA对特征集中能敏感地体现组织变性的特征进行二次特征提取,按累计贡献率高于95%的标准,选择前2个核主元当作主要特征并将其联合输入FSVM进行组织变性识别。实验结果显示,联合特征比单个特征能更好地检测组织变性状态,更准确地对猪肉组织进行变性分类识别。该方法可为监测HIFU治疗中生物组织是否变性提供参考。 展开更多
关键词 分析 模糊支持向量机 组织变性 特征提取 高强度聚集超声
在线阅读 免费下载
基于KPCA-Bagging的高斯过程回归建模方法及应用
10
作者 赵帅 李妍君 熊伟丽 《控制工程》 CSCD 北大核心 2019年第1期131-136,共6页
工业污水处理过程具有高度非线性的特点,对水质指标中的生物需氧量的实时监测提出了挑战,提出一种基于核主元分析和Bagging算法的高斯过程回归建模方法。首先,采用核主元分析方法将采集到的污水数据投影到高维空间进行降维处理,提取非... 工业污水处理过程具有高度非线性的特点,对水质指标中的生物需氧量的实时监测提出了挑战,提出一种基于核主元分析和Bagging算法的高斯过程回归建模方法。首先,采用核主元分析方法将采集到的污水数据投影到高维空间进行降维处理,提取非线性主元作为模型输入;然后采用Bagging集成学习算法得到若干样本子集,建立相应的高斯过程回归模型;最后根据贝叶斯后验概率计算得到各子模型的权重,对各子模型的输出进行融合,得到全局预测值。对实际污水处理过程数据的仿真结果表明,所提方法具有良好的预测精度与泛化能力。 展开更多
关键词 分析 BAGGING 高斯过程回归 污水处理
基于KPCA-ARIMA模型的TE过程故障预测 预览
11
作者 李志军 牛晓旭 李月恒 《工业控制计算机》 2019年第4期45-48,共4页
以TE过程作为研究对象,主要选取过程中的故障8作为研究对象,提出了一种基于KPCA-ARIMA的建模方法来实现故障预测.首先采用核主元分析(KPCA)的方法对过程变量数据进行非线性映射,通过计算累计贡献率的方法进行主元特征提取,降低特征变量... 以TE过程作为研究对象,主要选取过程中的故障8作为研究对象,提出了一种基于KPCA-ARIMA的建模方法来实现故障预测.首先采用核主元分析(KPCA)的方法对过程变量数据进行非线性映射,通过计算累计贡献率的方法进行主元特征提取,降低特征变量之间的非线性相关性,然后根据平方预测误差(SPE)和Hotelling's T^2的方法来检测过程中是否发生异常,以及故障发生的位置时间点.最后对得到的T2和SPE序列进行差分得到平稳序列,采用求和自回归滑动平均(ARIMA)模型分别对故障检测指标T^2统计量和SPE统计量进行了最后50步的故障趋势预测.通过查看预测数据与实际数据的拟合程度,可以验证文中方法对TE过程中的故障有较准确的趋势预测,说明了该方法是有效的. 展开更多
关键词 TE过程 分析 求和自回归滑动平均 故障预测
在线阅读 下载PDF
基于组合核函数的类均值核主元故障诊断方法 预览
12
作者 潘成胜 李惠 +1 位作者 陈波 吕亚娜 《计算机仿真》 北大核心 2019年第2期414-418,共5页
慢漂移是指系统参数从额定值发生偏移的现象,系统正常的慢漂移影响故障诊断的结果。针对单一核函数对慢漂移系统故障误诊率高的问题,提出了基于组合核函数的类均值核主元分析故障诊断方法。首先,使用组合核函数将原始样本数据映射到高... 慢漂移是指系统参数从额定值发生偏移的现象,系统正常的慢漂移影响故障诊断的结果。针对单一核函数对慢漂移系统故障误诊率高的问题,提出了基于组合核函数的类均值核主元分析故障诊断方法。首先,使用组合核函数将原始样本数据映射到高维特征空间,求出各类映射数据的类均值矢量;然后在类均值矢量张成的子空间上对类均值矢量进行主元分析;最后,利用建立的类均值核矩阵构建类均值核主元算法。将该方法应用于田纳西-伊斯曼(TE)和蒸馏塔过程,仿真结果显示,该方法提高了故障的检测率,柔性因子的引入满足故障监控模型对灵敏度、鲁棒性的动态平衡要求,具有较好的过程监控性能。 展开更多
关键词 故障诊断 分析 类均值 柔性因子
在线阅读 下载PDF
基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别 预览
13
作者 贺妍 王宗彦 《机械传动》 北大核心 2019年第2期137-143,共7页
行星齿轮传动系统发生故障时,其信号传递中相互耦合,呈现非线性的特性,使得行星齿轮的故障类型及损伤程度难以识别。借鉴模式识别中Fisher准则(FC)判别函数,构建核函数尺度参数优化的数学模型,应用改进的粒子群优化方法对其寻优,充分改... 行星齿轮传动系统发生故障时,其信号传递中相互耦合,呈现非线性的特性,使得行星齿轮的故障类型及损伤程度难以识别。借鉴模式识别中Fisher准则(FC)判别函数,构建核函数尺度参数优化的数学模型,应用改进的粒子群优化方法对其寻优,充分改善核主元分析法(KPCA)对于非线性问题的分析性能,将其应用于行星齿轮的磨损损伤程度的识别和诊断中。实例分析结果表明,基于PSO-FC智能优化后的KPCA改善了特征空间内数据分布结构,在行星齿轮的磨损损伤程度识别中取得了较好的尺度聚类效果,可以有效地解决复杂机械传动中损伤边界模糊、损伤程度难以识别的问题。 展开更多
关键词 粒子群优化 分析 行星齿轮箱 损伤程度识别 FISHER准则
在线阅读 下载PDF
基于深度学习与信息融合的燃气轮机故障诊断 预览
14
作者 崔建国 刘瑶 +1 位作者 于明月 江秀红 《机械设计与制造》 北大核心 2019年第12期28-31,共4页
为有效、准确地诊断出燃气轮机健康状态,在燃气轮机专用试验平台对其进行试车试验,获取主泵、喷口加力调节器、滑油压差传感器等关键部件的原始信息,采用核主元分析(Kernel Principal Component Analysis,简称KPCA)方法对原始信息进行处... 为有效、准确地诊断出燃气轮机健康状态,在燃气轮机专用试验平台对其进行试车试验,获取主泵、喷口加力调节器、滑油压差传感器等关键部件的原始信息,采用核主元分析(Kernel Principal Component Analysis,简称KPCA)方法对原始信息进行处理,提取燃气轮机关键部件状态表征参数的核主元,创建特征向量空间。由于深度学习可以构建含多隐层的学习模型,实现逐层的特征变换,从而自适应地捕获隐藏于故障数据内部的有用信息,增强诊断过程的智能性,因此由核主元特征向量创建深度学习故障诊断模型,对燃气轮机进行了故障诊断技术研究。与此同时,亦创建了极限学习机(Extreme Learning Machine,简称ELM)故障诊断模型并进行了诊断,结果表明深度学习正确诊断率明显优于极限学习机。在此基础上,尚采用信息融合技术对以上两种方法的诊断结果进行决策层融合,进一步提升了故障诊断准确率。研究表明,该方法能有效诊断出燃气轮机关键部件健康与故障状态,具有很好的工程应用前景。 展开更多
关键词 燃气轮机 分析 深度学习 信息融合 故障诊断
在线阅读 下载PDF
基于KPCA-LSSVM的发动机PT燃油系统故障诊断 预览
15
作者 王东 王新晴 +2 位作者 闫凤国 杨成松 章青 《电子工程学院学报》 2019年第4期64-69,共6页
为有效解决PT燃油系统进油油路堵塞、滤清器泄漏、喷油器油路堵塞等多种典型故障诊断问题,提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的故障识别方法。首先计算油压信号的时域特征集,然后采用KPCA对原始多维初始特征向量... 为有效解决PT燃油系统进油油路堵塞、滤清器泄漏、喷油器油路堵塞等多种典型故障诊断问题,提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的故障识别方法。首先计算油压信号的时域特征集,然后采用KPCA对原始多维初始特征向量进行特征提取,最后将经过KPCA提取的主特征向量输入经多种群遗传算法(MPGA)优化的LSSVM中实现故障类型的识别。实验结果表明,KPCA提取的主特征向量有效表达了原始故障的特征信息,相比于传统的BP神经网络和未经参数优选的LSSVM等分类模型,基于KPCA-LSSVM的故障识别方法速度更快、分类准确率更高。 展开更多
关键词 PT燃油系统 分析 最小二乘支持向量机 多种群遗传算法 故障诊断
在线阅读 免费下载
全矢ITD和KPCA结合的滚动轴承故障诊断 预览
16
作者 高亚娟 陈磊 +1 位作者 林辉翼 韩捷 《机械设计与制造》 北大核心 2019年第4期154-157,共4页
针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢本征时间尺度分解(ITD)和核主元分析(KPCA)相结合的方法以进行故障检测与诊断。首先采用全矢ITD对正常运行状态下的同源双通道原始样本数据进行信息融合... 针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢本征时间尺度分解(ITD)和核主元分析(KPCA)相结合的方法以进行故障检测与诊断。首先采用全矢ITD对正常运行状态下的同源双通道原始样本数据进行信息融合,得到全矢融合后的主振矢数据,并建立KPCA模型,克服了单通道振动信号信息不完整的缺点。然后运用KPCA模型对待测样本数据进行在线监控,当该模型的T2和SPE统计量超过已设定的控制限时,采用全矢Hilbert包络分析提取故障数据的特征频率以进行故障诊断。实验结果表明,该方法既能较好地检测出滚动轴承的运行状态,又能准确有效地诊断故障类型。 展开更多
关键词 分析 ITD 全矢谱 故障诊断 滚动轴承 信息融合
在线阅读 下载PDF
基于改进KPCA方法的非线性过程故障诊断研究 预览
17
作者 姬鹏飞 侯凡博 张修太 《安阳工学院学报》 2018年第4期14-17,共4页
为了提高工业过程非线性信息的提取程度、降低故障诊断时高误诊率等情况,提出了一种基于混合核函数的改进核主元分析(KPCA)故障诊断方法。该方法将主元贡献率和故障检测率作为混合核函数参数优化目标,获得混合核函数最优参数后,将混... 为了提高工业过程非线性信息的提取程度、降低故障诊断时高误诊率等情况,提出了一种基于混合核函数的改进核主元分析(KPCA)故障诊断方法。该方法将主元贡献率和故障检测率作为混合核函数参数优化目标,获得混合核函数最优参数后,将混合核函数应用到故障诊断过程中,得到改进KPCA方法。在典型非线性过程和TE过程进行仿真,验证了该方法的有效性。 展开更多
关键词 非线性过程 混合函数 分析 故障诊断
在线阅读 下载PDF
相对变换KFCM的变压器油击穿电压预测
18
作者 熊印国 《控制工程》 CSCD 北大核心 2018年第11期2035-2040,共6页
针对变压器油击穿电压在线测量困难,基于多模型结构可以提高预测精度和鲁棒性的思想,提出基于相对变换核模糊C均值聚类(Kernel Fuzzy C-means, KFCM)算法的变压器油击穿电压预测建模方法。首先,采用相对变换将原始数据空间变换到相对... 针对变压器油击穿电压在线测量困难,基于多模型结构可以提高预测精度和鲁棒性的思想,提出基于相对变换核模糊C均值聚类(Kernel Fuzzy C-means, KFCM)算法的变压器油击穿电压预测建模方法。首先,采用相对变换将原始数据空间变换到相对空间,抑制数据噪音,提高数据之间的可区分性;在相对空间中利用KFCM算法将样本划分成不同的子类,同时,对KFCM核参数和聚类数采用差分进化算法进行优化;然后,利用核主元分析(Kernel Principal Component Analysis, KPCA)对相对空间进行特征提取,降低数据维数、提取数据非线性主元作为各子类构建的最小二乘支持向量机(Least Squares SVM, LSSVM)模型的输入;最后,对子类LSSVM综合加权得到最终输出。将所提出的方法与KFCMLSSVM方法进行比较,实验结果表明所提方法具有良好的预测精度和泛化性能。 展开更多
关键词 击穿电压 相对变换 模糊C均值聚类算法 分析 最小二乘支持向量机 预测
基于人工蜂群优化核主元分析故障检测方法
19
作者 石怀涛 赵纪宗 +2 位作者 宋文丽 李颂华 刘建昌 《控制工程》 CSCD 北大核心 2018年第9期1686-1691,共6页
核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择。常用的核函数有多项式核函数和高斯径向基核函数等。该方法将多项式核函数和高斯径向基核函... 核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择。常用的核函数有多项式核函数和高斯径向基核函数等。该方法将多项式核函数和高斯径向基核函数进行线性组合,结合两者优点得到混合核函数,使用故障检测率作为优化目标的适应度函数,通过人工蜂群(Artificial Bee Colony Algorithm,ABC)优化算法对KPCA核参数的选取进行优化。将该方法应用到电主轴的转子不平衡故障分析中,对信号进行时域分析,利用KPCA对样本数据进行非线性特征提取,根据主元特征计算出的T2和SPE统计量实现故障检测。经过对实验数据分析表明,ABC优化算法较二分法、粒子群等优化算法能更有效地提高故障检测率。 展开更多
关键词 故障检测 分析 混合函数 人工蜂群算法 参数优化
相对变换KPCA的变压器油击穿电压预测建模
20
作者 熊印国 《系统仿真学报》 CSCD 北大核心 2018年第5期1657-1664,共8页
针对变压器油击穿电压的在线测量问题,提出基于相对变换(RT)核主元分析(KPCA)的变压器油击穿电压预测建模方法。分析与击穿电压关联密切的因素,通过相对变换将原始数据空间变换到相对空间,提高数据之间的可区分性;利用KPCA对相... 针对变压器油击穿电压的在线测量问题,提出基于相对变换(RT)核主元分析(KPCA)的变压器油击穿电压预测建模方法。分析与击穿电压关联密切的因素,通过相对变换将原始数据空间变换到相对空间,提高数据之间的可区分性;利用KPCA对相对空间进行特征提取,达到降低数据维数、滤除数据噪声、提取数据非线性特征的目的;将KPCA提取的主元变量作为核极限学习机(KELM)的输入,建立变压器油击穿电压预测模型并采用差分进化算法优化模型参数。与RTKPCA最小二乘支持向量机(LSSVM)、RTPCA—KELM和RTPCA-LSSVM方法进行比较,实验结果表明所提出的方法具有良好的预测精度和泛化能力。 展开更多
关键词 击穿电压 相对变换 分析 极限学习机 差分进化
上一页 1 2 18 下一页 到第
使用帮助 返回顶部 意见反馈