共查询到20条相似文献,搜索用时 46 毫秒
1.
由于化工生产过程数据具有强非线性和非高斯性特征,提出了核主元分析与核独立元分析相结合的可用于化工过程故障诊断的双核独立元分析算法,该算法利用核主元分析的非线性核函数把数据从原空间映射到高维特征空间进行白化预处理,再用核独立元分析算法进行独立元分析,在特征空间中获得故障监控统计量,计算控制置信限,达到有效的故障诊断.提出的算法应用在连续搅拌反应釜过程中,结果表明,该算法对化工过程故障诊断能有效提高准确度、降低漏报率和误报率. 相似文献
2.
针对核熵成分分析算法(kernel entropy component analysis, KECA)为不同的故障选择相同的核参数影响检测效果的问题,提出了一种基于集成核熵成分分析(ensemble kernel entropy component analysis, EKECA)算法的工业过程故障检测方法。首先,选取一系列具有不同宽度参数的核函数将非线性数据投影到核特征空间,选取Rényi熵值贡献较大的特征值和特征向量,得到转换后的得分矩阵,建立多个KECA子模型;然后,将测试数据投影到各KECA子模型上,计算各KECA子模型的统计量,得到检测结果;最后,将各KECA子模型的检测结果利用Bayesian决策进行概率换算,利用集成学习法计算检测结果统一的统计量,判断其是否超出控制限,并将该算法应用于数值例子和TE过程。仿真结果表明,与传统的EKPCA,KECA等算法相比,所提方法有效提高了故障检测率,降低了误报率。新方法解决了传统KECA算法中不同故障核参数的选择问题,为提高KECA算法在非线性工业过程故障检测中的性能提供了参考。 相似文献
3.
基于核的主分量分析(Kernel PCA)能够提取数据的非线性特征,但其性能受核参数的影响非常大.提出了一种新的基于特征空间中非高斯分布估计的核参数优化算法.该方法基于Kernel PCA中最优的参数应能导致特征空间中数据具有高斯分布的思想,通过对特征空间中数据的非高斯性结构进行分析,从反面估计其对高斯分布的逼近程度.采用该方法对各种数据进行实验都有很好的效果,表明了该方法的有效性. 相似文献
4.
针对传统边缘检测方法对噪声敏感的问题,提出了一种基于核主成分分析和子空间分类的边缘检测方法,建立了统一的图像特征表达模型.首先结合其它边缘检测方法进行采样并将采样结果投影到特征空间,然后将核主成分分析得到的特征向量组成特征空间的一个子空间,最后将子空间分类法推广到特征空间来对数据进行分类.实验结果表明,该方法增强了对噪声的鲁棒性,能适应小样本训练,其边缘检测效果明显优于经典算子、主成分分析和非线性主成分分析方法. 相似文献
5.
大型复杂装备的工作过程均表现出较强的非线性,并且受非高斯噪声和各种不确定因素的影响,导致状态监测信息多是高维的非线性、非高斯数据,且计算量随信息维数呈指数增长,若直接用于预测模型则导致计算量异常庞大,不利于完成模型参数估计和实现实时维修。针对上述问题,对核独立分量分析算法中关于核函数参数选择的盲目性,提出了用粒子群优化算法改进核参数选择过程的核独立分量分析算法,实现了高维状态信息的降维。最后,通过对某自行火炮发动机油液监测数据进行特征降维实例分析,验证了所提方法的可行性与有效性。 相似文献
6.
《南京工程学院学报(自然科学版)》2019,(3)
针对人脸图像的非线性特点,将基于核方法的核独立分量分析算法用于提取人脸图像特征.为避免多类支持向量机出现不可识别域,提出基于二叉树思想的层次支持向量机算法,用于多类人脸识别.将层次支持向量机和核独立分量分析算法相结合进行人脸识别,首先对人脸图像进行预处理和主成分分析法降维;然后运用核独立分量分析算法估算出独立基影像,从而得到人脸特征;最后将人脸特征输入层次支持向量机进行分类识别.在ORL人脸库上的仿真结果表明该算法较好地兼顾了识别率和运行速率. 相似文献
7.
基于瞬变流和故障检测的管线泄漏监测试验分析 总被引:4,自引:0,他引:4
根据动态系统分布参数模型的故障检测与诊断技术思想,结合管道流动的水力瞬变模型与适用于时变非线性系统的故障检测滤波器——扩展卡尔曼滤波算法,探讨了海底管道泄漏监测与定位技术.增广的状态向量包含管段各点的压力、流量和泄漏尺寸,进出口压力和流量4个参数组合成系统输入和输出向量,以卡尔曼增益阵修正由特征线结合差分法求解瞬变流离散方程得到的状态预测值,从而利用"新息"得出更准确的状态估计.在泄漏发生伊始即探测出异常,并给出泄漏发生时刻.基于压力梯度线性的假设计算泄漏位置,对一段试验水管的进出口压力流量测量序列进行上述分析,得出了与实际相当吻合的结果,初步验证了方法的有效性. 相似文献
8.
9.
通过对二阶段的子空间方法的研究,提出了基于线性SVM子空间的正面人脸检测方法.首先构造线性SVM粗分类滤波器,然后在线性SVM粗分类滤波器分割的子空间内构造高斯核的非线性SVM分类器.检测时.为了加快速度引入了平均脸模板匹配进行粗筛选,然后依次通过线性SVM粗分类滤波器、非线性SVM分类器进行人脸检测. 相似文献
10.
针对工业过程的非线性和动态特性,提出一种基于核状态空间独立元分析的故障检测方法.采用核规范变量分析法将非线性动态过程数据映射到核状态空间,得到去相关的状态数据.对状态数据的各时延协方差矩阵进行加权求和得到状态数据的时序结构矩阵,进而建立ICA统计模型,从状态数据中提取独立元特征数据,并构造监控统计量检测过程故障.在Tennessee Eastman过程上的故障检测结果表明,相比于传统的基于动态核主元分析的故障检测方法,该方法更加灵敏地检测到故障的发生,提高故障检测率. 相似文献
11.
基于压电传感器的管道泄漏监测仪的研制 总被引:1,自引:0,他引:1
提出了通过提高输油管道泄漏信号的信噪比进而提高泄漏检测的可靠性和灵敏度的方法;在定量分析、比较压阻式压力传感器和压电式动态压力传感器各自信号的特征和信噪比的基础上,提出了基于压电传感器的管道泄漏监测方法。阐述了基于压电传感器的管道泄漏监测、定位原理以及基于MSP430F149单片机的管道泄漏监测仪软、硬件设计方法及实现。现场泄漏检测试验结果表明,基于压电传感器的管道泄漏监测仪可以较好地提高泄漏检测的可靠性和灵敏度。 相似文献
12.
0.引言我国输油管道自动化水平的不断提高为管道泄漏检测技术的发展和应用创造了条件,但目前该项技术仅限于一些简单的应用,没有充分发挥自动控制系统的作用,面临对石油产品管道的调度,管理,维护等问题,探索一种更为有效的实时监测方法显得尤为重要。1.管道泄漏检测方法 相似文献
13.
针对环网柜电缆接头故障发生前后时刻的时间相关性较强,且故障的发生是一个非线性过程,将动态核主元分析应用于环网柜电缆接头故障检测并建立故障检测模型.该模型可以在解决非线性变量难以分离的同时提取变量之间的动态自相关特性,并通过建立动态核主元在线监测模型及时检测故障的发生.最后对采集的环网柜电缆接头故障数据进行实验分析,实验结果证明所提方法能有效地检测出环网柜电缆接头故障的发生,且检测精度和误报率均优于之前的算法. 相似文献
14.
天然气管道泄漏检测采集的音波序列中含有大量噪声,在进行泄漏特征提取之前必须进行降噪处理.通过频率分布和混沌性分析,引入泄漏音波序列局部投影方法.该方法寻找相空间重构过程中由噪声形成的子空间,通过抑制该空间中的噪声投影来达到降噪的目的.仿真信号测量和现场试验表明:局部投影方法适用于泄漏音波序列降噪,可以解决降噪过程中频率混叠和混沌性带来的问题;与其他方法相比,局部投影方法在时域统计指标、频域和功率谱分析、自相关函数分析以及提高信噪比等方面明显得到改善,大大提高了泄漏特征提取的准确率. 相似文献
15.
王翔 《南京工程学院学报(自然科学版)》2011,9(2):6-10
提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核空间ICA的原理和基本算法,然后利用核独立分量分析算法和固定点快速分离算法分离了混合语音信号.试验结果表明:利用基于核独立分量分析的方法可以得到较为理想的分离效果. 相似文献
16.
基于非线性流形学习的喘振监测技术研究 总被引:3,自引:0,他引:3
为了提取压缩机喘振发作时表现出的非线性特性,引入了一种新的喘振特征提取方法.首先对原始信号进行多元统计分析,构造高维特征空间,然后利用局部切空间排列的流形学习方法提取出一维主流形,进而通过主流形几何结构的变化来反映系统的非线性变化.分析结果表明,与相关积分方法相比,该方法可以提前1 s识别出喘振特征,并且能够降低误报率,因此在喘振监测中具有良好的应用前景. 相似文献
17.
为了减少石油运输过程中管道泄漏带来的危害,提出一种基于气压感知的地下输油管道泄漏监测方法,基于该方法设计了地下输油管道泄漏监测系统.在输油管道外部包裹双层密闭的塑料外壳,通过测量外壳内部的气压来监测管道是否发生泄漏,利用RS485和NB-IoT网络将报警信息上传至云平台,在PC端和移动端导入地图,实时动态地显示管道发生泄漏的位置.经测试,该系统报警时延小,定位精度高,稳定可靠. 相似文献
18.
管道系统的泄漏影响着瞬变水击波波形的畸变和衰减特性,比较研究了两种阀门关闭激励速度对管道泄漏瞬变检测精度的影响.在此基础上,基于阀门部分快速关闭,提出管道系统泄漏检测的瞬变水击压力波法,即利用第一个瞬变压力波波形上的间断点时刻定位泄漏位置,间断点衰减幅值辨识泄漏量,并通过不计算管道内部计算断面的特征线法理论推导出了泄漏量参数与该衰减幅值之间的关系式.给出了该方法的检测步骤,并对该法进行了数值验证.仿真结果表明该方法简单、有效. 相似文献
19.
利用非线性流形学习的轴承早期故障特征提取方法 总被引:8,自引:0,他引:8
针对早期故障微弱特征难以提取的问题,提出了一种基于非线性流形学习的滚动轴承早期故障特征提取方法.在由时域指标和小波频带能量组成的原始特征空间中,结合局部切空间排列学习算法的特点,采用散布矩阵分类测度指标,实现了局部邻域的优化选取,从而提取出最优的敏感故障特征.通过实例应用,表明该方法有效地克服了主分量分析和非线性核主分量分析方法的不足,提取的融合特征敏感性更好,从而提高了故障模式的分类性能,实现了轴承的早期故障诊断. 相似文献
20.
针对长距离输送管道的应用中,沿线参数无法逐点测量,采用显式数学模型的方法并不完全能获得全部准确数值,提出一种基于卷积长短期记忆网络(CNN-LSTM)的流量预测方法。该方法使用CNN网络拟合空间特征,LSTM探索时间特征。采用从实际运行管道中收集的真实数据训练出对应的深度学习模型,从而可根据沿线压力梯度预测流量,误差范围为0.3%~0.7%管道输量。将该模型用于泄漏监测,可以通过连续监测预测与实际流量之间的偏差发现管道泄漏。确定泄漏点位置时采用了基于相关压力点之间曲线距离算法。在实际管道上的现场测试表明,新算法不仅稳定有效,而且在管道设备运行过程中不会产生错误报警。 相似文献