基于核主元分析与神经网络的传感器故障诊断新方法

提出综合利用核函数主元分析(KPCA)和神经网络的方法实现非线性系统内传感器故障的检测和识别,克服了以往核函数主元分析法只能给出故障检测结果,却无法对故障进行识别的缺陷,并给出了在特征空间中计算残差的简单方法.最后,对一个简单的多变量过程进行了故障检测和识别,验证了这一诊断策略的有效性.     

Multiphase batch process monitoring based on higher-order cumulant analysis

In this paper, a two-step phase partitioning strategy is proposed. Firstly, the number of phases is automatically determined according to the intra-class and inter-class similarity of feature space data, thus avoiding excessive manual intervention. Secondly, the phases are partitioned by step-wise adding the kernel entropy extended load matrix (KEELM), avoiding the wrong division of phases caused by unstable state of working condition conversion. A process monitoring model based on multiway kernel entropy independent component analysis (MKEICA) is constructed in each sub-phase to deal with complex batch processes with nonlinear and non-Gaussian properties. A new statistics index based on the idea of high order cumulant analysis (HCA) is constructed in each sub-phase for process monitoring. Compared with the traditional second-order statistics, it can obtain high-order statistical information. Finally, the proposed method is applied to the penicillin simulation platform process and compared with the traditional multiway kernel independent components analysis (MKICA) and HCA methods to verify the effectiveness of the method that is mentioned above.     

用简化核主成分分析法实现高光谱遥感影像降维

提出用基于Nystrm算法的简化核主成分分析方法（SKPCA）实现高光谱遥感影像的快速降维。首先随机选取部分样本构成子核矩阵并计算其特征向量，然后进行矩阵外推迭代得到近似核矩阵，并分解近似核矩阵不断更新特征向量，最后实现高光谱影像的降维处理。利用OMIS与ROSIS遥感影像进行试验，从运算速度、提取特征信息量以及分类后效果对SKPCA和KPCA（未简化的核主成分分析法）进行比较，结果表明，SKPCA和KPCA提取的特征信息量相当，提取特征与分类效果相近，但SKPCA的运算速度至少要高于KPCA数百倍。     

改进的RBF文本分类算法

分析了文本分类系统的一般模型及现有技术,在应用了核主成分分析的特征降维方法进行处理后,提出了一种基于样本中心的径向基( RBF)神经网络文本分类算法,并且引入了聚类算法的核心思想,来改进误差反向传播(BP)神经网络分类算法收敛速度较慢的缺点.实验结果表明, RBF网络与BP网络相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果.     

基于判别核窗宽的掌纹识别方法

提出了一种新的判别 核窗宽方法,进而研究了基于判别核窗宽的KPCA和LPP在掌纹识别中的应用。首先根据训练 样本和类标签计 算类内核窗宽和类间核窗宽;在分类密集区选择较小窗宽,在分类稀疏区选择较大窗宽,可 以有效提取数 据的关联特征;然后运用基于判别核窗宽的KPCA和LPP方法提取低维特征向量,计算特征向 量间的余弦 距离进行掌纹匹配;最后运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明,与 传统算法相比, 本文算法的识别率最高,识别时间小于0.6s,验证了方法的有效性 。     

基于核主元分析的净化除钴过程数据预处理研究

在净化除钴过程中,复杂的现场生产使工艺参数具有高维性、强耦合性、非线性等特点,对除钴效果分析以及过程建模产生较大影响。针对该问题,本文通过对现场工艺参数的特性分析,提出了一种基于核主元分析（KPCA）的数据预处理方法,消除噪音并有效提取工业数据信息。采用工业生产数据对该方法进行对比仿真实验,结果表明,基于KPCA的数据预处理方法改善了模型的精度,对净化除钴优化控制具有重要意义。     

基于支持向量机的高炉向凉、向热炉况预测

高炉冶炼过程中炉温是影响技术经济指标的关键参数,保持合理的炉温是高炉稳定顺行的关键因素。采用某炼铁厂在线采集的数据,通过核主元分析对建模数据进行预处理,根据相关系数选定模型参数,确定参数对炉温的滞后时间,基于支持向量机建立了高炉向凉、向热预测诊断模型。通过实例验证,该模型具有很高的精度。     

转子故障特征数据分类的KPCA-BFDA方法

对非线性转子系统故障特征数据的分类方法进行了研究.在提出一种偏费歇判别分析法(biased fisher discriminatory analysis,简称BFDA)的前提下,进一步提出将核主成分分析法(kernel principal component analysis,简称KPCA)与偏费歇判别分析法相结合的数据集降维方法,该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集,偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度.对实例数据与典型故障数据的分类结果表明,提出的偏费歇判别分析法在具备费歇判别分析降维可分性能的基础上,具有更低计算复杂度的特点.提出的核主成分分析结合偏费歇判别分析的算法,其对应的降维结果能直接应用于线性分类器,且取得了较好的分类效果.     

基于核主分量分析的经验模式分解及其工程应用

若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影逆过程将得到的核主分量逆向投影回原相空间,从而重建信号相空间。最后对重建的相空间所对应的信号作经验模式分解。此方法可以有效消除噪声和冗余对经验模式分解的影响,提高经验模式分解的适应能力保证分解的有效性,确保其能够分解出正确的基本模式分量。通过工程实例进一步验证了该方法的可行性。     

基于巡检机器人的电缆卷筒减速器故障诊断技术

针对传统电缆卷筒减速器故障诊断技术存在不同状态下的电缆卷筒减速器故障诊断误判率高的问题,提出基于巡检机器人的电缆卷筒减速器故障诊断技术。基于巡检机器人构建一个数据采集系统,利用该系统采集电缆卷筒减速器发出的振动信号数据;采用 KPCA 方法提取采集数据的特征,获得电缆卷筒减速器特征向量;将特征向量用作输入量输入到故障诊断模型中进行训练,训练期间对特征向量数据进行简化,以此提升故障诊断效率,依据输出的故障类型实现电缆卷筒减速器的故障诊断。实验结果表明,通过对该方法进行不同状态下的故障诊断误判率测试,验证了该方法的准确率高、实用性强。