计算机与应用化学2019，Vol.36Issue(4) ：434-438.

一种用于故障监测的优化核主元分析方法

Fault detection based on an optimized kernel principal component analysis

肖应旺 姚美银 刘军 张绪红 陈贞丰
计算机与应用化学2019，Vol.36Issue(4) ：434-438.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

一种用于故障监测的优化核主元分析方法

Fault detection based on an optimized kernel principal component analysis

肖应旺 1姚美银 2刘军 1张绪红 1陈贞丰1
扫码查看

作者信息

  • 1. 广东技术师范大学自动化学院,广东省广州市,510665
  • 2. 广东技术师范大学院设备与实验室管理处,广东省广州市,510665
  • 折叠

摘要

提出了一种基于混沌粒子群的优化核主元分析故障监测方法(Kernel Principal Component Analysis based on Chaotic Particle Swarm Optimization,CPSO-KPCA).该方法充分利用了正常数据和故障数据的特征,通过混沌粒子群优化算法对KPCA的核函数参数进行优化,以发现最优的非线性特征,并能准确地监测出非线性故障.利用特征空间监测统计图,将该方法应用于轧钢过程的非线性监测,实际应用结果表明,该方法具有很高的故障监测精度.

关键词

KPCA/PSO/非线性特征/故障监测

引用本文复制引用

基金项目

广东省自然科学基金资助项目(2017A030313364)

出版年

2019
计算机与应用化学
中国科学院过程工程研究所

计算机与应用化学

CSTPCD北大核心
影响因子：0.386
ISSN：1001-4160
被引量1
参考文献量4
段落导航相关论文