| 基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断 |
| |
| 引用本文： | 张曦,阎威武,赵旭,邵惠鹤. 基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断[J]. 上海交通大学学报, 2008, 42(2): 181-185 |
| |
| 作者姓名： | 张曦 阎威武 赵旭 邵惠鹤 |
| |
| 作者单位： | 上海交通大学自动化系,上海,200240;上海交通大学自动化系,上海,200240;上海交通大学自动化系,上海,200240;上海交通大学自动化系,上海,200240 |
| |
| 基金项目： | 国家自然科学基金 , 浙江大学工业控制技术国家重点实验室开放课题 |
| |
| 摘 要： | 针对化工过程数据中包含噪声和强非线性的特点,提出了基于小波去噪核主元分析(De-ncdsed Kerntel Principal Component Analysis,DKPCA)和邻近支持向量机(Proximal SupportVector Machine,PSVM)的性能监控和故障诊断新方法.将样本数据用小波方法进行去噪处理,去除数据所包含的噪声,通过KPCA将降噪后的数据进行变换,在特征空间里构建T2和Q统计量来监测是否有故障发生;若发生故障,则计算数据的非线性主元得分向量,并将其作为PSVM的输入值,通过PSVM分类来确定故障的具体类型.流化催化裂化装置(FCCU)仿真试验验证了小波去噪的必要性和利用DKPCA-PSVM进行监控和故障诊断的有效性.
|
| 关 键 词： | 小波去噪 性能监控 故障诊断 小波变换 核主元分析 邻近支持向量机 |
| 文章编号： | 1006-2467(2008)02-0181-05 |
| 修稿时间： | 2007-03-20 |
Performance Monitoring and Fault Identification Based on Denoised Kernel Principal Component Analysis and Proximal Support Vector Machine |
| |
| ZHANG Xi,YAN Wei-wu,ZHAO Xu,SHAO Hui-he. Performance Monitoring and Fault Identification Based on Denoised Kernel Principal Component Analysis and Proximal Support Vector Machine[J]. Journal of Shanghai Jiaotong University, 2008, 42(2): 181-185 |
| |
| Authors: | ZHANG Xi YAN Wei-wu ZHAO Xu SHAO Hui-he |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
