【摘要】：傳統(tǒng)KPCA能有效捕捉數(shù)據(jù)的非線性特征、對(duì)數(shù)據(jù)在輸入空間中的分布情況沒(méi)有任何要求等優(yōu)點(diǎn),但是由于核函數(shù)的參數(shù)選擇直接影響到核函數(shù)本身的性能,所以提出使用二分法進(jìn)行核參數(shù)優(yōu)化,獲得改進(jìn)核主元分析的故障檢測(cè)方法。該方法引入混合核函數(shù)的定義,即多項(xiàng)式核函數(shù)和高斯徑向基核函數(shù)的混合核方法,使用二分法分別對(duì)上述兩核進(jìn)行核參數(shù)優(yōu)化,確定最優(yōu)的混合核函數(shù),再與主元分析方法(Principal Component Analysis PCA)相結(jié)合,得到改進(jìn)KPCA。根據(jù)混合非線性主元特征計(jì)算出的T2和SPE統(tǒng)計(jì)量,從而實(shí)現(xiàn)故障檢測(cè)。使用二分法進(jìn)行核參數(shù)優(yōu)化,選取核函數(shù),改進(jìn)了傳統(tǒng)的核函數(shù)的選取方法。并且充分的考慮了工業(yè)過(guò)程中的非線性,更精確的描述工業(yè)過(guò)程特性,使得本文提出的改進(jìn)方法可以準(zhǔn)確有效地檢測(cè)出電主軸系統(tǒng)故障。對(duì)田納西-伊斯曼(TE)過(guò)程以及電主軸系統(tǒng)的應(yīng)用實(shí)例說(shuō)明了該方法的實(shí)用可行性。
[Abstract]:The traditional KPCA can effectively capture the nonlinear characteristics of the data, and has no requirement for the distribution of the data in the input space. However, the parameter selection of the kernel function directly affects the performance of the kernel function itself. Therefore, a fault detection method based on improved kernel principal component analysis (PCA) is proposed to optimize kernel parameters by dichotomy. This method introduces the definition of mixed kernel function, that is, the mixed kernel method of polynomial kernel function and Gao Si radial basis kernel function. The binary method is used to optimize the kernel parameters of the two cores, and the optimal hybrid kernel function is determined. Combining with principal component analysis (Principal Component Analysis PCA) method, an improved KPCA. is obtained. The T _ 2 and SPE statistics calculated according to the mixed nonlinear principal component features are used to realize fault detection. The traditional kernel function selection method is improved by using dichotomy to optimize kernel parameters and select kernel function. Considering the nonlinearity of the industrial process and describing the characteristics of the industrial process more accurately, the improved method proposed in this paper can detect the fault of the motorized spindle system accurately and effectively. The application examples of Tennessee Eastman (TE) process and motorized spindle system show the feasibility of this method.
【作者單位】： 沈陽(yáng)建筑大學(xué)機(jī)械工程學(xué)院;
【分類號(hào)】：TP277

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣少華;桂衛(wèi)華;陽(yáng)春華;唐朝暉;;基于核主元分析與多支持向量機(jī)的監(jiān)控診斷方法及其應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2009年09期

2 蔣少華;桂衛(wèi)華;陽(yáng)春華;唐朝暉;;基于核主元分析與支持向量機(jī)的監(jiān)控診斷方法及其應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

3 唐勇波;桂衛(wèi)華;彭濤;;代價(jià)敏感核主元分析及其在故障診斷中的應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

4 李學(xué)軍;李平;蔣玲莉;;類均值核主元分析法及在故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2014年03期

5 黃宴委,彭鐵根;基于核主元分析的非線性動(dòng)態(tài)故障診斷[J];系統(tǒng)仿真學(xué)報(bào);2005年09期

6 劉世成;王海清;李平;;基于多向核主元分析的青霉素生產(chǎn)過(guò)程在線監(jiān)測(cè)[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2007年02期

7 張家良;曹建福;高峰;韓海濤;;結(jié)合非線性頻譜與核主元分析的復(fù)雜系統(tǒng)故障診斷方法[J];控制理論與應(yīng)用;2012年12期

8 鄧曉剛;田學(xué)民;;基于免疫核主元分析的故障診斷方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S2期

9 張穎偉;周宏;奏泗釗;;基于多塊核主元分析的復(fù)雜過(guò)程的分散故障診斷(英文)[J];自動(dòng)化學(xué)報(bào);2010年04期

10 鄧曉剛;田學(xué)民;;基于多尺度核主元分析的非線性過(guò)程監(jiān)控方法研究[J];計(jì)算機(jī)與應(yīng)用化學(xué);2006年12期

相關(guān)會(huì)議論文 前6條

1 趙小強(qiáng);楊武;薛永飛;;可變窗自適應(yīng)核主元分析的化工過(guò)程故障診斷算法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

2 鐘秉翔;;一種基于核主元分析的精簡(jiǎn)化建模方法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

3 甘俊英;張有為;;核主元分析特征提取法的研究[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

4 崔桂梅;鄢常亮;馬祥;;基于核主元分析和支持向量機(jī)的高爐向涼、向熱故障診斷[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2010年會(huì)論文集[C];2010年

5 汪愛(ài)娟;張端金;介曉婧;;基于核主元分析的故障檢測(cè)[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[C];2013年

6 倪國(guó)文;劉愛(ài)倫;;基于核主元分析的非線性故障檢測(cè)研究[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 張敏;復(fù)雜生產(chǎn)過(guò)程質(zhì)量控制的智能方法研究[D];西南交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李璐;石油鉆井過(guò)程井漏異常的預(yù)警技術(shù)研究[D];鄭州大學(xué);2015年

2 張薇;基于改進(jìn)核主元分析的過(guò)程監(jiān)測(cè)方法研究[D];東北大學(xué);2014年

3 蘇中鮮;基于時(shí)序數(shù)據(jù)挖掘的工業(yè)設(shè)備異常檢測(cè)分析[D];西南科技大學(xué);2016年

4 胡志勇;基于核主元分析及擴(kuò)展方法的過(guò)程監(jiān)測(cè)[D];東北大學(xué);2011年

5 滕永懂;基于核主元分析的動(dòng)態(tài)過(guò)程監(jiān)測(cè)[D];東北大學(xué);2010年

6 李蓉一;基于核主元分析的故障檢測(cè)與診斷研究[D];南京師范大學(xué);2011年

7 楊武;基于改進(jìn)核主元分析的化工過(guò)程故障診斷研究[D];蘭州理工大學(xué);2013年

8 馮瑋;基于核主元分析的過(guò)程監(jiān)測(cè)方法研究[D];東北大學(xué);2013年

9 何巍;基于多塊核主元分析和概率符號(hào)有向圖的故障診斷方法研究[D];中南大學(xué);2013年

10 石晉明;基于粗糙集與核主元分析方法的柴油機(jī)故障檢測(cè)與診斷[D];中北大學(xué);2014年

，

本文編號(hào)：2401332