基于KPCA和MKL-SVM的非线性过程监控与故障诊断

利用核主元分析非线性过程监控的优势,结合多重核学习支持向量机在故障诊断方面的准确性,提出了基于核主元分析和多重核学习支持向量机的非线性过程监控与故障诊断方法。该方法运用核主元法对数据进行处理,在特征空间构建T2和SPE来检测故障的发生,若有故障发生,则计算样本的非线性主元得分向量,将其作为MKL-SVM的输入值,通过MKL-SVM的分类进行故障类型识别。将上述方法应用到Tennessee Eastman(TE)化工过程,多种故障模式的仿真结果表明该方法不但能有效地辨识故障,而且提高了故障检测和故障诊断的速度。     

基于KPCA与LS-SVM的化工过程故障诊断算法研究

针对核主元分析方法(KPCA)在复杂化工在线监控过程中初始故障源难以辨识的问题,该文提出了一种基于核主元分析和最小二乘支持向量机的集成故障诊断方法。该方法首先运用KPCA对数据进行预处理,在特征空间构建T2和SPE来检测故障的发生,然后计算样本的非线性主元得分向量,将其作为最小二乘支持向量机的输入值,通过最小二乘支持向量机的分类进行故障类型的识别。将上述故障诊断方法应用到Tennessee Eastman(TE)化工过程,多种故障模式下的仿真结果表明,该方法不但能有效地辨识故障,而且提高了故障检测和故障诊断的速度。     

基于KPCA和PSOSVM的异步电机故障诊断

针对异步电机故障振动信号具有较强的非线性特征,而传统的线性分析方法易造成振动信号非线性成分的丢失这一情况,提出一种核主元分析和粒子群支持向量机相结合的异步电机故障诊断方法。利用核函数实现输入空间到高维特征空间的非线性映射以及对映射数据的主元分析,得到原始样本的非线性主元,实现特征提取和数据压缩,将获得的核主元特征通过支持向量机进行模式识别。采用距离比值法和粒子群算法分别对核主元分析和支持向量机的参数进行双重优化选择。实验结果表明,该方法能有效提取故障信号的非线性特征,具有较强的非线性模式识别能力,相比主元分析和支持向量机方法,分类效果更好,实时性更强,可快速有效实现异步电机故障诊断。     

基于支持向量机的往复压缩机示功图识别研究

提出了一种基于支持向量机的往复压缩机示功图识别方法。根据不同故障在示功图上反映的不同特征,进行故障特征提取。针对实际故障发生情况,构造了基于决策树的多分类支持向量机故障识别模型。使用不同核函数对计算机模拟与往复压缩机试验台实测的故障示功图进行识别,结果表明,该方法能有效应用于往复压缩机示功图故障识别。     

基于KPCA-FSVM的液压泵可靠性寿命分布识别

为了准确快速识别出液压泵的可靠性寿命分布模型,提出了一种基于核主元分析和模糊支持向量机的可靠性寿命分布模型识别方法。该方法充分利用核主元分析非线性特征提取的优势和模糊支持向量机良好的分类能力,建立了适合可靠性寿命分布识别的模糊支持向量机模型,并将其应用于液压泵可靠性寿命分布模型识别。仿真实验结果表明,该模型能够降低计算的复杂度,具有良好的泛化能力,能够准确地识别出液压泵无故障工作时间数据所属的寿命分布类型。     

小波支持向量机多分类器在轴承性能退化评估中的应用

为了准确地对轴承性能退化过程数据进行评估,将Mexican hat小波函数引入支持向量机多分类器中,提出一种小波支持向量机多分类器.并基于平移不变核函数条件,给出该小波函数为容许核函数的证明.根据"一对多"算法建立支持向量机多分类器.通过对内圈故障和滚动体故障的轴承性能恶化过程中数据的分析,表明小波支持向量机具有比BP(back propagation)神经网络、RBF(radial basis function)核函数支持向量机更高的分类正确率.     

基于多主元特征与支持向量机的动态过程质量异常监控模型

为简化多支持向量机识别模型的计算复杂度、提高动态过程质量异常模式的识别精度,提出一种基于多主元特征与支持向量机相结合的动态过程异常监控模型。利用主元分析方法对动态数据进行特征提取,将所提取的不同主元特征作为支持向量机分类器的输入对模型进行训练。将识别效率高的主元特征对应的转换矩阵与多支持向量机相结合,构建了基于多主元特征的多支持向量机识别模型,对质量异常模式进行识别。仿真实验表明,所提基于多主元分析支持向量机识别模型的识别精度比传统基于主元特征或其他特征提取方法的识别模型有显著提高,且训练所需时间大大减少。     

基于数据驱动的电动执行器故障诊断方法

本文针对在流程工业自动化系统中大量使用的电动执行器,结合热工系统的应用背景,提出了一种基于数据驱动的电动执行器故障诊断方法.该故障诊断方法包括特征提取和故障识别两部分:采用主成分分析法提取故障特征信号;采用基于支持向量机的方法进行故障识别.构造多类支持向量机分类器,建立了电动执行器多故障诊断模型.仿真实验研究证明了该诊断方法的可行性和有效性.     

基于EMD与KPCA的滚动轴承故障特征提取及诊断方法研究

针对滚动轴承故障种类识别与程度判断问题,提出了一种融合经验模式分解与核主元分析的故障诊断方法:首先,运用经验模式分解将滚动轴承故障信号分解成不同特征尺度下的本征模式分量,采用Hilbert-Huang变换对信号进行相应的时频分析,从本征模式分量函数和瞬时频率中分别提取时域和频域的统计特征集与无量纲特征集;其次,引入非线性核主元分析方法,对故障特征集进行处理,从而消除特征集中的冗余特征,并大幅度降低特征向量维数,得到能够反映故障本质的主元特征集;最后,构造支持向量机多类分类网络,实现了对不同故障模式与不同损伤程度滚动轴承的故障诊断。     

基于KPCA SVM的柴油机状态识别方法的研究

为了有效地对柴油机的运行状态进行状态识别,根据柴油机的特征信息和识别的特点,研究了基于核主元分析(KPCA)和支持向量机(SVM)进行柴油机状态识别的故障诊断方法.首先,对柴油机进行特征提取,构成一个特征向量.然后对其进行核主元分析,计算得到能反映设备状态的特征向量,有效去除信息的冗余.最后,将得到的特征向量进行支持向量机的训练学习,识别柴油机的状态.通过实验室柴油机燃烧系统不同运行状态下的识别分析,验证了此方法的可行性和实用性.     

核主元分析中核函数参数选优方法研究

提出一种基于矩阵相似度的核函数参数选优方法．首先给出一种具有较好分类能力的核函数矩阵。然后．利用矩阵间的相似度量关系，在一定范围内寻找能近似此矩阵的核函数参数值。将该方法应用于直升机齿轮箱齿轮故障特征提取中，结果显示经过核函数参数选优的KPCA取得了较好的识别效果。     

基于RKPM的灵敏度分析及核函数的影响研究

基于重构核粒子法的结构优化设计的关键是灵敏度分析。笔者采用罚函数法施加位移边界条件,在结构分析的基础上,利用直接微分法,建立了基于重构核粒子法的结构灵敏度方程,而且其表达形式与结构控制方程非常相似,计算过程容易实现。编写相应的MATLAB程序对两个具有解析解的经典算例进行了灵敏度分析,并详细讨论了节点数、不同核函数及其参数对灵敏度计算精度的影响。计算结果与解析解吻合较好,表明该灵敏度分析方法是正确有效的,同时给出了灵敏度分析过程中合理选择核函数的建议。     

具有模糊可靠性的齿轮传动优化设计

针对齿轮传动设计中一些设计参数的随机性和强度判据的模糊性，本文提出了齿轮动的模糊可靠性设计理论和方法，建立了模糊可靠性优化设计的数学模型，并给出了优化设计实例。     

基于核主元约简与半监督核模糊聚类的车辆行驶工况判别

为有效利用汽车行驶工况中与类别属性间的统计特征,提高汽车行驶工况判别的准确性与快速性,首先选择车速和踏板信号的数据信息构建特征集,利用相关性分析和核主元分析对特征集中能敏感反映工况类别的特征数据信息进行二次特征提取,按累计贡献率大于90%的标准进行主要特征量的选择,实现输入变量的二次约简;利用小波核函数的非线性映射能力构建半监督核模糊C均值聚类方法进行车辆行驶工况的判别。通过长春某混合动力公交车试验结果表明,该方法更全面准确地反映了工况特性,有效降低了输入特征参数的维数,更加准确有效地提取了不同工况条件下汽车行驶状态的数据特征,通过半监督核模糊C均值聚类算法中加入少量的训练样本来引导聚类过程,聚类精度可达到98.75%。     

多核信息融合模型及其应用

针对单核学习方法不能充分获取对象非线性特征的问题,提出一种核采样空间中的多核融合模型。与工作于隐式核空间的常见多核融合模型不同,该融合模型本质上是一种矩阵融合模型,其融合参数不受融合核矩阵半正定性要求的约束。在该模型基础上,进一步提出一种多核正则化Ho-Kashyap分类器,并设计了相应的迭代优化算法。最后,将该多核融合算法应用到水下钴结壳超声识别领域。实验结果表明,与单核学习方法相比,采用核采样空间多核信息融合模型的钴结壳超声识别分类正确率提高了7%,说明了该融合模型的有效性。     

基于一种再生小波核的SVR在降低多传感器交叉敏感中的应用

在充分研究和比较多种降低多传感器交叉敏感方法的基础上,介绍一种用于消除或降低压阻式压力传感器交叉敏感的张量积再生小波核支持向量回归的方法.这种支持向量回归核函数的构建是基于一种算子理论构造的再生小波核Hilbert空间的方法.实验结果表明,该方法可以明显地降低多传感器的交叉敏感.经其融合后,传感器的温度灵敏度系数α_s和电流影响系数α_1比融合前分别降低了近2个数量级,零位温度系数α_0下降了约3/4.     

超声激励陶瓷材料非局部弹性核函数理论研究

对各种非局部弹性核函数进行分析比较,通过考虑超声激励参量的影响因素,建立了超声激励下的非局部弹性核参量公式,推导出了超声激励下的非局部弹性核函数公式,并对弹性核函数的衰减特性和作用条件进行了研究,并依据此公式对非局部超声振动下的应力进行预测计算,得出应力衰减现象能够通过频域内的非局部核函数衰减来解释。     

基于粒子群优化的核主元分析特征的提取技术

针对核主元分析在参数设置上的盲目性,提出应用粒子群优化算法优化核函数参数.并将核主元分析应用于特征提取中.首先建立核函数参数优化的数学模型,然后应用加速度自适应粒子群优化算法对其寻优,并通过Iris数据集进行仿真研究,验证其提取特征的有效性.将优化的核主元分析方法应用于齿轮箱典型故障的特征提取中,结果表明:参数优化的核主元分析能有效降低齿轮箱特征向量的维数,较线性主元分析取得更好的故障识别效果.该方法在机械故障信号的非线性特征提取中具有优势.     

分光光度法快速测定核桃仁中总单宁含量

本文研究建立分光光度法测定核桃仁样品中的总单宁含量,样品采用70%乙醇提取。在碱性条件下单宁将钨钼酸还原显色,于680nm波长处测定溶液吸光度,方法稳定、快速、准确,在0～5μg/mL浓度范围内呈线性关系,回收率90.5%～102%,相对标准偏差(RSD)1.23%     

基于循环多核相关熵的故障检测方法及应用* .txt

摘要：针对传统基于二阶统计量的循环平稳信号处理方法不能有效处理脉冲噪声干扰的问题，提出了一种基于循环多核相关熵的故障检测方法。首先，给出了多核相关熵的定义，推导了循环多核相关熵函数和循环多核相关熵谱密度函数计算公式，分析了循环多核相关熵的降噪机理；其次，用仿真信号验证了在低噪声比（SNR=-5）情况下循环多核相关熵的降噪性能，表明了循环多核相关熵不仅能有效抑制高斯噪声，而且能有效抑制非高斯噪声，循环多核相关熵为高斯、非高斯噪声的处理提供了一种鲁棒性处理方法；最后，将循环多核相关熵方法应用于齿轮箱齿轮齿面磨损故障诊断，实验结果表明：循环多核相关熵具有解调功能，能准确刻画齿轮齿面磨损故障的频谱特征，可有效提取淹没在强噪声环境中的微弱信号，提高了信噪比，证明了此方法为一种齿轮故障诊断的有效方法。 .txt