基于KPCA残差方向梯度的故障检测方法及应用.pdf下载

weixin_39820780 2020-01-20 03:00:21

基于KPCA残差方向梯度的故障检测方法及应用.pdf,针对核主元分析(KPCA)在应用过程中非线性映射不存在原像、故障变量无法辨识、工程应用困难等问题，提出了一种改进的KPCA残差方向梯度故障检测方法。利用主元统计量和残差统计量的偏微分之间存在着相关性这一性质，对与主元统计量相关的格拉姆矩阵偏微分中间计算过程进行优化，提出一种新的KPCA残差方向梯度算法，在此基础上结合统计量形成系统故障检测的新方法。非线性系统仿真表明，改进的KPCA残差方向梯度法不仅具有较优的故障变量辨识能力，还极大地减小了计算量，缩短了计算时间。大型热力系统的应用进一步表明，无论对于单故障和多故障的情况，方法均具有较好的故
相关下载链接：//download.csdn.net/download/weixin_38743602/11788469?utm_source=bbsseo

...全文

13 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于KPCA残差方向梯度的故障检测方法及应用.pdf,针对核主元分析(KPCA)在应用过程中非线性映射不存在原像、故障变量无法辨识、工程应用困难等问题，提出了一种改进的KPCA残差方向梯度故障检测方法。利用主元统计量和残差统计量的偏微分之间存在着相关性这一性质，对与主元统计量相关的格拉姆矩阵偏微分中间计算过程进行优化，提出一种新的KPCA残差方向梯度算法，在此基础上结合统计量形成系统故障检测的新方法。非线性系统仿真表明，改进的KPCA残差方向梯度法不仅具有较优的故障变量辨识能力，还极大地减小了计算量，缩短了计算时间。大型热力系统的应用进一步表明，无论对于单故障和多故障的情况，方法均具有较好的故障检测能力，并且不存在残差污染，易于工程实现。

基于KPCA-SOM网络的列控RBC系统故障诊断方法.pdf

半导体生产过程是典型的间歇过程，针对其过程数据的多模态、多阶段、模态结构不同和批次不等长等特点，提出了基于统计模量的局部近邻标准化和K近邻相结合的故障检测方法（SP-LNS-KNN）。首先计算样本的统计模量，其次对样本的统计模量使用其局部K近邻集进行标准化，最后计算样本与其前K近邻距离，得到平均累积距离D作为检测指标，进而对工业过程进行在线故障检测。统计模量保留了数据的主要信息，将二维样本数据简化为一维数据；局部近邻标准化可以有效降低中心漂移、模态结构差异明显的影响。SP-LNS-KNN不仅能够对大故障实现检测，并且能够提高对小模态的微弱故障的检测能力。使用SP-LNS-KNN对一个实际半导体生产过程数据进行故障检测实验，并将实验结果与PCA、KPCA、LOF和FD-KNN方法的结果进行对比分析，验证了方法的有效性。

：针对核主成分分析(KPCA)和主成分分析(PCA)的一些袱，提出一种基于集成主成分分析的故障检测方法。该方法将PCA与KPCA结合，利用KPCA描述过程的非线性信息并提取核主成分，再利用PCA对原始信息和核主成分一同提取线性主成分，通过构造统计量Tz和SPE(或Q)进行故障检测。在TE(Tennessee-Eastman)过程上的仿真研究表明，本文提出的方法较PCA和KPCA有更高的故障检测精度。关键词：故障检测；主成分分析；核主成分分析；特征提取

针对核主元分析（KPCA）监控模型由于建模样本不纯而导致故障检测失效问题，提出基于改进特征样本方法的KPCA故障检测模型并应用于变压器故障检测中。利用特征值变化信息，设计出异常样本剔除算法以避免异常样本被选入特征样本集；采用特征样本方法提取建模样本集，建立KPCA监控模型，采用复合统计量对变压器运行状态进行检测，实验结果验证了改进特征样本算法的有效性，表明提出的方法具有较高的故障敏感性和检测效率。

下载资源悬赏专区

12,781

社区成员

12,309,767

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章