基于非线性主元子空间的故障模式识别方法

针对多元统计过程监控中的故障源识别问题,提出一种非线性主元子空间方法识别故障模式.该方法对不同类型的故障数据进行核主元分析,获得描述数据主要变化的非线性主元子空间,以此为基础构造故障模式分类器.考虑到核主元分析的计算复杂性,提出一种基于特征样本的非线性主元子空间算法,使用基于克隆选择原理的免疫算法提取特征样本用于故障模式识别.在Tennessee Easlxnan过程上的仿真结果说明,非线性子空间方法能够比线性子空间方法更有效的识别故障模式.     

基于核主元分析的非线性动态故障诊断

核主元分析是一种非线性主元分析方法，充分利用核函数来解决非线性映射问题，在高维特征空间中确定主元，具有很好的非线性逼近能力。同时，利用非线性最小二乘法实现核主元分析的变量重构，来识别故障源。将核主元分析应用于连续搅拌釜式反应器系统（CSTR）的故障诊断过程中，仿真结果表明该方法对于故障的检测和故障源的识别都优于线性主元分析法的诊断效果。     

相对主元分析方法及其在故障检测中的应用

通常情况下利用传统的主元分析方法虽然可以对系统进行故障检测和诊断，但是如果数据标准化以后呈“均匀”分布时，由于很难选取主元，或者选取出主元时没有考虑随机向量分量的物理意义，使得主元没有代表性。在分析了主元分析方法的基础上，我们提出了一种相对主元分析的方法，给出了相对主元的几何意义，同时还提出了相对化变换，分布“均匀”等概念。在处理分布“均匀”数据时，应用新概念和新方法，可有效地克服传统的主元分析（PCA）在数据压缩和故障检测与诊断时的不足。仿真结果验证了算法的有效性。     

基于多元统计的卫星姿态控制系统故障诊断

能够对姿态控制系统的故障进行快速准确的诊断是卫星等航天器安全运行的重要保障之一.通过分析卫星姿态控制系统的数据特点,采用主元分析法对敏感器进行故障诊断.经分析,主元分析法不仅能快速检测出故障,还可以辨识出故障类型:并提出利用均值贡献率方法进行故障隔离,减少传统故障隔离法出现的误诊问题.通过对各敏感器典型故障的仿真分析验证了该方法的有效性.     

基于模型的多尺度间歇过程性能监控

利用神经网络对间歇过程的非线性和动态特征进行描述,神经网络的预测残差则利用多尺度主元分析进行建模,将多尺度主元分析扩展用于间歇过程的监控.这一方法突破了传统多向主元分析单模型、线性化的建模方式,是一种多模型非线性建模方法.它利用小波将每一残差信号分解为各个尺度上的近似部分和细节部分,而主元分析则用于分别建立各个尺度上的统计模型.通过对实际工业链霉素发酵过程数据的分析,表明文中所提出的方法与传统的多向主元分析方法相比,能够更早地发现故障,获得更好的监控性能.     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

基于概率主成分分析表观模型的视觉跟踪

在粒子滤波框架下,提出了一种基于概率主成分分析（probabilistic principal component analysis, PPCA）表观模型的视觉跟踪算法。该算法采用在线学习的PPCA表观模型获得目标的子空间描述,并引入遗忘因子增加最近的观测在模型中的权重,使得新算法对场景光照变化和目标表观变化的适应能力大为增强。同时考虑到遮挡发生的空间邻近关系,提出对目标区域进行分块处理,以提高算法在目标遮挡情况下的鲁棒性。真实场景下的实验结果表明,该算法在目标位姿变化、光照变化以及遮挡情况下具有更强的稳健性。     

一种基于核独立元分析的非线性过程监控方法

独立元分析(ICA)在线性过程监控中得到了成功的应用,但是实际工业过程大部分是非线性的.在利用核ICA(KICA)建立过程非线性模型的基础上,根据核技巧,给出了一种高维空间分离矩阵的排序和独立元个数的选择方法,并将监控指标扩展到高雏空间,从而提出-种基于KICA的非线性过程监控方法,解决了ICA对非线性过程监控效果不理想的缺点.以田纳西一伊斯曼过程(TE过程)为例,对比了KICA与ICA的监控效果,结果证明了该方法的优越性.     

基于核主元聚类的股票分类

为了正确区分不同的股票类别, 降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中, 首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,再利用K均值聚类方法对降维后数据进行聚类,并最终得到不同的股票分类情况.选择了沪深股市中20支上市公司股票来进行实证分析.实证结果表明：核主元聚类方法取得了较好的分类结果,为上市公司股票分类和评估提供了很好的依据, 具有较好的适用性.     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.     

基于全局特征和局部特征组合的脸谱识别方法

本文中,提出了一种新的脸谱识别方法。首先利用核主分量分析技术提取脸谱图象的全局特征,然后利用独立分量分析技术提取脸谱图象的局部特征,分别挑选出部分局部特征向量与部分全局特征向量组合成脸谱的组合特征向量,然后利用支持向量机分类器进行识别。采用ORL脸谱库进行测试,并与其它特征提取方法进行了比较,实验结果显示基于组合特征方法的识别率明显优于其它方法。     

一种改进的模块2DPCA人脸识别新方法

提出了一种改进的模块2DPCA方法,即基于类内平均脸的分块2DPCA算法.该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块进行规范化处理,然后由所有规范化后的子块构成总体散布矩阵,从而得到最优投影矩阵;由训练集的全体子块的平均值对训练样本的子块和测试样本的子块进行规范化后投影到最优投影矩阵,得到识别特征;最后用最近距离分类器分类.在ORL人脸库上的实验结果表明,提出的方法在识别性能上明显优于2DPCA方法和普通模块2DPCA方法.     

多层次科技人才的维度分析

科技人才的创造发明与杰出贡献推动了世界科技事业的发展, 科学技术的飞速发展, 也对科技人才提出了更高的要求与使命。科技人才的素质直接关系到科学技术的发展速度与水平, 但目前还没有定量衡量科技人才全面素质的维度, 本文在大量理论研究和分析的基础上, 提出多层次科技人才维度的概念, 即从多方面对科技人才进行综合、交叉分析, 并借助国内外优秀、实用的测试方法, 对多层次科技人才进行定量测汗, 解决多层次科技人才定性分析向定量分析转化的研究问题。     

石灰石固硫特性参数的选择及评估

采集１６个产地的天然石灰石样品，对其进行了固硫特性参数的测定，通过主成分分析，给出各样品固硫特性的综合指数及排序．利用主成分分析筛选参数法，选取最佳参数子集合，建立石灰石固特性评估及预测模型，并且对其进行分析和讨论．     

高科技人才创造能力的人格特征

本文在研究高科技发展中人才的重要性时, 着重对高科技人才的创造能力进行研究, 并首次系统地采用心理测试方法对我国航空、航天、国防及国家有关高科技部门近1000名高科技人才的个体进行集体测试, 通过系统的心理测试, 每位高科技人才得到7O多个测试评价结果。为了简化这些结果, 本文采用主因素分析进行阵维处理后, 将70多个维度降为8个维度, 高科技人才创造能力为其中之一。本文最后根据降维结果对高科技人才创造能力的人格特征进行了系统分析。     

道德风险与基于委托-代理理论的最优保险契约模型

分别针对事后信息对称和存在道德风险的情况 ,使用委托—代理理论建立了相应的保险契约分析模型 ,对两种情况下的最优保险契约的性质进行了研究 .我们证明了信息对称时 ,最优保险契约要求完全保险 ,从而可以达到帕累托最优的风险分担 ,而且此时最优保险费等于意外事件造成损失的期望值 ;存在道德风险时 ,出于激励的目的 ,最优保险契约要求只提供部分保险 ,最优保险费小于意外事件造成的期望损失 ,而且随着意外事件造成损失的增大 ,投保人所遭受的实际损失也应该增大 .在两种情况下 ,最优保险费都与投保财产成反比.     

基于样条逼近的评价方法研究

样条逼近是从结构（空间或时间）性数据集合中提取特征的有效方法，本文提出基于样条逼近的评价方法，并进行评价方法应用研究，首先给出可变结点的样条逼近中数据集合点结点位置的选取准则，是使逼近的误差最小；给出数据集合点位置的选取方法及算法。对于上述分划的子区间，使用主成分分析方法对每个子区间进行评价，得到相应子区间的评价值，由于每个子区间的指标数不同，对子区间的评价值进行修正以体现这种差别；之后利用上述修正的子区间的评价值计算综合评价值。最后给出了应用结果。