發(fā)布時間：2017-12-16 13:04

  本文關(guān)鍵詞：一種基于特征子空間的改進動態(tài)核主元分析方法

  更多相關(guān)文章： 動態(tài)核主成分分析 特征空間 特征提取 故障檢測 TE過程

【摘要】：針對傳統(tǒng)的動態(tài)核主成分分析(dynamic kernel principal component analysis,DKPCA)用于大樣本數(shù)據(jù)集的故障檢測時,占用計算機內(nèi)存大、計算復雜度高等不足,提出一種基于特征子空間的DKPCA算法(EFS-DKPCA)。該方法通過構(gòu)建具有較小維數(shù)特征子空間上的正交基來簡化核矩陣K,從而降低DKPCA的計算復雜性。與DKPCA方法相比,該方法具有更高的計算效率,且只需較小的計算機存儲空間。將該方法應用于TE(tennessee eastman)過程,仿真結(jié)果顯示,兩者診斷結(jié)果大致相同,而所需時間大大減小,說明了本算法的有效性。
【作者單位】： 西南科技大學信息工程學院;西南交通大學地球科學與環(huán)境工程學院;
【基金】：特殊環(huán)境機器人技術(shù)四川省重點實驗室開放基金資助項目(13zxtk06)
【分類號】：TP277
【正文快照】： 611756)0引言隨著測量技術(shù)和數(shù)據(jù)存儲技術(shù)的發(fā)展,大量的過程數(shù)據(jù)被采集和存儲在數(shù)據(jù)庫中,從中快速、有效地提取有用信息并用于故障檢測,成為一個重要的研究課題。PCA是一種廣泛應用于過程監(jiān)控的線性變換方法,對大部分生產(chǎn)過程的監(jiān)控可取得較好的效果,但在提取大型、復雜和非線，

本文編號：1296106