基于核状态空间ICA的非线性动态过程故障检测方法

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.     

基于EMD和ICA的感应电动机故障检测

针对感应电动机的转子断条故障和轴承故障,以定子电流信号为研究对象,结合经验模态分解(EMD)和独立分量分析(ICA)原理提出了一种新颖的故障检测方法.该方法首先对定子电流信号进行经验模态分解,去除高频IMF部分,消除噪声干扰;然后用独立分量分析的方法进行特征提取,进而判断故障类型.仿真试验结果表明,该方法用于感应电动机故障诊断是行之有效的.     

ICA在地震信号处理中的应用研究

为了拓展独立分量分析的应用领域以及寻找地震信号去噪新方法,提出应用ICA处理地震信号随机噪声的具体方案,分析ICA的四个假设前提条件,结合实际地震信号的统计特性,分析作为源信号的有效波与噪声,并对其进行处理,使其能够在独立性和非高斯性方面满足独立分量分析算法的要求。对于盲源分离的两个固有不确定性问题,引入波形相似度的概念,使问题得到解决。从而说明在地震信号处理领域应用独立分量分析算法的可行性。最后提出算法,并用其处理合成地震信号(含随机噪声Ricker子波),实现有效波和噪声的分离,证明算法的有效性。     

基于小波分析的电力系统故障检测

正确检测电力系统故障信号对提高电能质量具有重要意义，文中讨论了采用小波变换快速算法对电力系统中故障信号进行分析、判断的方法。仿真结果表明，这种算法能够准确及时判断故障，符合工程实时性的要求。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

IPCA在故障检测与分离中的应用

基于ＰＣＡ模型，综合利用Ｔ＾２检验值，Ｑ检验值和故障补偿等集成化主元分析（ＩＰＣＡ）方法对系统的工况故障和仪表故障进行检测和分离，并对仪表故障进行补偿，该方法既能进行故障检测，又能对不同的故障进行分离。仿真实例表明，这种方法是有效的。     

基于新息矩阵的独立成分分析故障检测方法

针对核密度估计(kernel density estimation,KDE)方法获取的静态控制限可能不合理以及静态控制限无法跟踪信号动态特性的问题,提出一种基于新息矩阵的独立成分分析故障检测方法(innovation matrix-independent component analysis,IM-ICA).首先采用正...     

电力系统故障检测中信息融合技术应用研究

电力系统故障可产生各种故障信息,对故障信息全面分析和综合处理能提高故障检测的精度和鲁棒性.为实现对各种传感器检测到的多源故障信息进行有机综合处理,需研究信息融合技术.文章论述了信息融合技术应用于电力系统控制的可行性与必要性,总结了信息融合框架,把信息融合技术应用于电力系统故障检测,对故障信息进行综合处理以提高故障检测的可靠性,并提出了信息融合故障检测的模型.     

否定检测法在液压系统故障分析中的应用

介绍了液压系统故障分析中否定检测法的思路,并通过举例,说明了否定检测过程中应遵循的由小到大、由易到难;分断否定;否定小件、补偿大件的原则,有助于缩短液压系统的故障分析时间。     

基于ICA算法的视频字幕检测与定位

研究了独立成分分析法(ICA)在视频序列处理中的应用,提出了一种新的基于ICA算法的视频字幕检测与定位方法,该算法采用了小波变换来提取独立分量.仿真实验结果表明,与传统方法相比,该方法能够有效消除背景信息,提高字幕定位的精度,具有更强的鲁棒性.     

一种独立的分布式网络故障管理系统

针对下一代网络管理系统平台,实现了一种基于RMI和Java技术的分布式故障管理系统.这种系统具有平台无关性、分布式部署性和重复使用性,提供了一个可扩展的故障管理框架.通过这个框架,研究人员可以在事件、关联器和报警编程接口的帮助下,开展基础性工作.     

基于独立分量分析的运动目标检测

针对阈值比较法对环境适应能力弱,基于独立分量分析(ICA)原理提出了一种新的检测方法.首先将图像作为观测矢量,根据主次分量组合关系修改观测矢量,然后利用矩阵分离运算分割出运动区域.观测矢量的修改是在相邻两帧间进行重组和拓展,以达到突显运动和抑制噪声的目的.该方法的优势在于无阈值限制,自适应地分割运动区域,能适应较为复杂的背景环境,且处理速度满足实时性要求.实验结果验证了方法的有效性与鲁棒性.     

ICA变化检测的新方法

基于ICA变化检测方法的原理,利用小波变换实现图像块分割的优化,发挥小波变换的正交性和很好的方向性特征,提出了一种基于独立成分分析的变化检测方法.利用这种方法与ICA方法测得的图像扭曲度、平均梯度、图像质量因数方面相比都要好,实验结果证明了文中算法的可行性和优势.     

基于Agent的分布式入侵检测模型研究

传统的入侵检测系统多采用集中式的分析引擎,误报率较高且缺乏自适应性,难以满足大规模分布式网络环境的安全需求.Agent技术有效地解决了网络间任务分配合作问题,本文提出了一种基于移动Agent的主动网络自适应入侵检测系统.系统通过响应分析,自动产生响应策略,并派遣移动Agent去执行;根据入侵检测系统的报警可信度和响应执行情况,系统能够自适应地调整响应策略.同时,针对现有大多数模型具有较高漏报率的问题,提出一种基于蜜罐分布式的入侵检测系统模型.     

Removal of jamming using independent component analysis in non-cooperative passive detection system

Due to electronic jamming transmitted by hostile electronic jamming equipments and unintentional jamming from other illuminating sources in the complex electromagnetic environment,the performance of non-cooperative passive detection systems may degrade it significantly.To solve the problem,a receiving frame with multiple channels for signal preprocessing is designed and a theoretical analysis to the received signals in the complex electromagnetic environment is provided.Furthermore,a scheme for jamming removal using independent component analysis is proposed.Simulation results demonstrate the proposed scheme appears as a very appealing solution for removal of jamming and an approximate 10 dB signal to distortion ratio over traditional schemes is obtained.     

基于主元分析的故障可检测性的统计指标比较

基于主元分析的传感器故障检测方法中,SPE和H aw k in T2H是两个重要指标,针对目前应用中SPE指标有不足,而H aw k ins T2H指标一直没有得到重视的问题,该文通过分析对比SPE和T2H指标的控制限和基于主元分析的传感器故障可检测性的充分条件,得出了SPE和T2H指标的可检测故障幅值计算公式。定性分析了SPE和T2H指标对不同传感器故障具有不同的检测能力,并通过数值仿真进行了验证。指出由于T2H和SPE指标各有优劣,因此在实际传感器故障检测中应该联合使用。     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

一种基于ICA-SVM的故障诊断方法

提出了一种基于独立分量分析和支撑向量机(ICA SVM)对系统性能进行监控的整体框架.这一框架包括特征提取和故障识别两部分.独立分量分析被用于从当前工况的数据矩阵中提取出代表当前工况特征的投影系数矩阵,而这些投影系数矩阵则被用于训练多个支撑向量机,以实现故障类型的识别.TennesseeEastman过程的仿真结果证明了该算法的有效性.