|
|||||
|
|
| 基于KPCA-PNN的复杂工业过程集成故障辨识方法 | |
| 引用本文： | 薄翠梅,王执铨,张广明.基于KPCA-PNN的复杂工业过程集成故障辨识方法[J].信息与控制,2009,38(1):1-1. |
| 作者姓名： | 薄翠梅 王执铨 张广明 |
| 作者单位： | 1. 南京理工大学自动化学院,江苏,南京,210094;南京工业大学自动化学院,江苏,南京,210009 2. 南京理工大学自动化学院,江苏,南京,210094 3. 南京工业大学自动化学院,江苏,南京,210009 |
| 基金项目： | 国家自然科学基金，江苏省自然科学基金，江苏省高校自然科学基金，江苏省青蓝工程青年骨干教师培养计划 |
| 摘 要： | 针对核主元分析方法在复杂工业在线监控过程中易出现的核矩阵KKK难以计算和初始故障源难以辨识的问题，提出了一种基于核主元分析和概率神经网络的集成故障辨识方法．首先通过特征样本提取方法预处理工业数据集，然后采用核函数主元分析的Hotelling统计量T2和SPE方法检测故障，采用核函数梯度算法定义了两个新的统计量CT2和CSPE，计算了每个监控变量对统计量T2和SPE的贡献程度，并提取了故障特征．最后，利用概率神经网络技术进一步从关联故障特征中辨识出初始故障源．将上述故障诊断方法应用到TennesseeEastman（TE）化工过程；多种故障模式下的仿真结果显示，该方法能够有效地检测并辨识出多种故障类型． |
| 关 键 词： | 故障辨识 关联故障 特征提取 核主元分析（KPCA） 概率神经网络（PNN） |
An Integrated Fault Identification Method Based on KPCA-PNN for Complex Industrial Process |
|
| BO Cui-mei,WANG Zhi-quan,ZHANG Guang-ming.An Integrated Fault Identification Method Based on KPCA-PNN for Complex Industrial Process[J].Information and Control,2009,38(1):1-1. | |
| Authors: | BO Cui-mei WANG Zhi-quan ZHANG Guang-ming |
| Abstract: | |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ | |
| 点击此处可从《信息与控制》浏览原始摘要信息 | |
| 点击此处可从《信息与控制》下载全文 | |