多尺度主元分析方法在过程监视中的应用

多尺度主元分析方法(MSPCA)将多分辨率分析(MRA)的多尺度分解数据能力和主元分析(PCA)的降低数据维数能力结合起来，为监视多个时间尺度的过程提供了强有力的工具．过程监视时，MSPCA能自动对数据滤波并调节检测控制限，使控制限最容易检测出测量变量中重要的微小变化．由于MSPCA仅能滤除随机误差，不能消除过失误差，因此，为提高统计模型的准确性，在过程监视前，首先应用PCA检测并剔除存在过失误差的数据通过实例说明MSPCA方法监视过程的优越性。     

基于主元分析的传感器故障检测研究

基于主元分析（PCA）的故障诊断方法是故障诊断领域一个重要研究分支。本文首先介绍了主元分析的理论,然后深入研究了基于主元分析方法的传感器故障检测问题。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测。最后进行具体仿真,仿真结果表明主元分析法对传感器具有很好的故障检测能力。     

逆PCA方法及其在故障检测与诊断中的应用

针对主元分析方法的特点，提出一种逆主元分析方法，具体采用二次投影逆主元方法，以实现故障发生时，主元空间向故障变量的投影．首先，对负荷矩阵进行方差最大正交旋转，以使某一个或某几个主元能够与某一特定子系统相对应，实现第一次投影；然后，在子系统内部进行故障诊断，实现二次投影．该方法提高了PCA方法的检测灵敏度和诊断效能．     

基于主元分析的传感器故障诊断

一般辨识方法在传感器间进行预测来对传感器故障诊断时，其准确的冗余关系难以找到，针对这一缺点，提出了一种用主元分析技术建立传感器间的预测模型的方法。它同时克服了对传统感器测量的数据直接进行主元分析需要诊断的传感器较多的不足。最后，通过仿真验证了方法的有效性。     

基于主元分析和BP神经网络的人脸识别研究

该文提出了一种主元分析和BP神经网络相结合的人脸识别方法。其中主元分析方法用于提取人脸图像的特征，而BP神经网络用于对提取的人脸特征进行识别。实验结果表明，在进行人脸识别时，该文提出的主元分析和BP神经网络相结合的方法同传统的主元分析方法相比取得了良好的效果。此方法具有较高的识别率、较强的自适应性以及对噪声的鲁棒性。     

神经网络方法对心电信号主元压缩算法的改进

根据主元分析和神经网络的原理，描述了用主元分析的方法对输入信号的特征进行提取，并利用神经网络算法，实现ECG信号压缩的可行性。从压缩后信号重构的保真性和压缩计算复杂性两个角度出发，给出了压缩＼重建的实验结果并分析讨论。文中的压缩算法将原始动态心电数据映射为主元分析特征参数存储，比常规的直接压缩或压缩算法有更高的压缩比。选取5个主元表示一个心动周期的特征，其压缩比可达到30：1，均方根误差比PRD为4．75％。该ECG压缩算法克服了直接用主元分析法压缩数据时，要计算维数巨大相关矩阵的困难。实验证明，该方法在保留ECG信号临床信息的同时，具有较好的压缩效果。     

主成分分析在白车身焊装误差控制中的应用

对白车身焊装过程中的焊装点超差区域进行分析,应用主成分分析方法从CMM测量数据中分析出误差因素个数并且在测点误差中分离出调整量．结合实际白车身焊装过程中的误差源并参考调整量进行修正．针对右后围灯区域的焊装点CMM测量数据超差案例进行应用。验证了主成分分析在白车身焊装误差控制中的有效性．     

基于Kernel PCA的人脸识别算法的探讨

扼要阐明抽取二维人脸图像特征方法并进行人脸识别,结合实验结果进行分析比较主元分析和核主元分析方法的优缺点,得出核主元分析方法在人脸识别算法中误识率低,解决了维数和小样本问题,能准确快速识别人脸的结论.     

PCA-ICA化工过程监控中的PCA白化性能分析

主元分析是基于独立元分析过程监控中一种重要而且常用的白化方法,可以有效地降低监控对象的维数。其基于正常样本数据,根据主元方差贡献率选取主元,保留正常样本中的大部分方差信息,消除噪声。在PCA模型中,每个主元的T2统计量表征着样本数据沿该主元方向的变异程度。通过对故障样本数据每个主元的T2统计量分析,发现某些故障信息投影在方差较小且被舍弃的主元上,从而造成故障信息的损失,进而影响了ICA的监控性能,造成故障的漏检和故障源的误识别。最后,采用一个简易系统和TE过程,验证了PCA白化过程对ICA监控性能的影响。     

基于多尺度主元分析方法的统计过程监视

基于主元分析和小波变换结合的基本理论，对Bakshi提出的MSPCA算法进行改进，提出一种新的多尺度主元分析方法（MSPCA）．MSPCA应用小波变换将每个变量信号依次分解成逼近系数和多个尺度的细节系数，把各个尺度的系数聚集在单独的矩阵中，在各个尺度建立相应的PCA模型，进行多尺度过程监视．针对TE过程的两种干扰，分别应用PCA和MSPCA两种方法做仿真试验．仿真实验结果表明：与PCA相比，MSPCA能有效地检测和识别过程中不同频率故障，减少误报警，提高了过程监视的可靠性．     

混合数据校正法在间歇过程中的应用

数据校正即是从测量的过程数据中消除过失误差并降低随机误差对测量值的影响，这对过程控制是非常重要的．采用移动中值滤波器(MM)消除过失误差，然后应用小波变换滤除随机误差．仿真结果表明，这种混合数据校正方法可以有效地进行数据校正，提高测量数据的可靠性．     

基于未确知有理数滤波的大坝安全自动化监测数据粗差处理

对于大坝安全监测自动化所获得的大量原位监测数据,为了剔除粗差并使整编数据尽可能多的包含有用信息,研究了基于未确知有理数滤波的自动化监测数据粗差识别和数据整编的方法。即根据粗差数据和异常数据的本质区别,以测值邻域内包含该测值附近测值的个数表征其可信度,以未确知有理数均值的形式输出整编值;在此基础上,分析了未确知有理数滤波的适用范围,指出其应用于多输入单输出的数据处理情况。     

采用多尺度主成分分析的控制系统欺骗攻击检测

针对工业控制系统中存在的正弦欺骗攻击,以控制系统的典型回路为研究对象,建立数学模型;利用傅里叶变换、小波分析,从时间-尺度域分析其在攻击能力和隐蔽性方面与一般性欺骗攻击的不同特性;将多尺度主元分析（MSPCA）用于正弦攻击检测,提出在线检测算法.在TE过程上进行仿真研究,结果表明,正弦攻击不但能够造成物理破坏,而且伤害较隐蔽.当正弦攻击的频率较高时,通过传统的主成分分析（PCA）方法无法检测,所提出的方法能快速准确地检测出攻击.     

MSPCA在发动机试车台传感器故障诊断中的应用

针对传统的基于小波变换的多尺度主元分析(MSPCA)方法在检测高频类故障时的分辨能力不足的问题,提出了基于小波包的MSPCA模型,并应用于传感器的故障诊断.首先,对传感器数据进行正交小波包变换,得到小波包最佳分解树.然后,根据最佳树的各个节点系数在对应的尺度上建立主元分析模型,利用这些主元分析模型的残差子空间的统计量——平方预报误差对传感器故障进行检测,采用传感器有效度指标对故障传感器进行分离.最后,以火箭试车台液氢供应系统的传感器为例对设计的模型进行了验证,传感器周期性干扰故障诊断实例验证了基于小波包的MSPCA方法的有效性,其检测性能要优于基于小波变换的MSPCA模型.     

基于最小均方误差和准则的块式数据检测技术

基于最小均方误差和准则的块式数据检测技术，是一种对时变色散信道数字信号进行有效检测的方法．该技术利用数据块中的已知训练符号对信道特性进行跟踪并对未知数据进行检测．采用简化的Ｃｈｏｌｅｓｋｙ矩阵分解算法，可减少系统复杂度和运算量．研究结果表明：该方案能有效地消除高频信道上的码间串扰，更适用于高频数字通信系统中的信号检测．     

电阻触摸屏误差分析及加速度模型的数据处理

电阻式触摸屏在电子行业中广泛应用,但由于误差的多样性,特别在精确识别方面的应用有较大的困难。介绍了电阻式触摸屏的系统误差和随机误差产生的原因,并提出了一种基于加速度模型的新算法识别笔事件并消除笔事件中随机误差影响。算法包括落笔、笔移动及抬笔的判断,＂飞点＂、＂抖动＂及＂拖尾＂现象的消除,断点的数据插补,详细软件数据处理的流程图等。从最终的使用结果看,该方法能满足对电阻触摸屏精确识别的需要,是一种完善的数据处理算法。     

醋酸—水—醋酸甲酯三元体系的相平衡及精馏研究

利用缔合物系相平衡模型,由二套二元汽液平衡数据及一套二元液液平衡数据回归得到了NRTL方程参数;推算了该体系的三元汽液平衡数据,拟合精度令人满意。进一步利用该模型做了精馏塔的模拟计算,并与精馏塔测得的实验值相比较,四套精馏塔实验数据与模拟计算结果均能较好吻合,证明该缔合物系相平衡模型可以用于缔合物系的相平衡及精馏计算。     

基于水化学数据的矿山涌水水源识别:主成分分析与残差分析

涌水是矿山安全生产的重要威胁之一,掌握涌水的水源是预防这类灾害的重要依据。基于多期次的水化学监测数据,提出了利用主成分分析(PCA)和残差分析来识别涌水的水源数量和水源类型。主成分分析能够充分提取高维数据的结构信息,消除变量冗余。残差分析利用主成分分析结果,提取不同的主成分个数重构离子浓度,得出重构离子浓度和原始离子浓度之间的残差,利用残差的结构性信息来判断可能的涌水水源数量和水源类型。结果表明:随保留主成分个数的增加,重构离子浓度的精度越高,离子残差的结构性得到消除且表现出随机性。在实例应用中,通过利用5个主成分重构离子浓度消除了所有主要离子残差结构性,保证了信息的最大程度提取,因此,确定研究矿山涌水水源数量为5个; 同时,利用每个主成分对残差结构性的影响程度及离子相关性分析,确定了这5个水源类型为海水、第四系孔隙水、富钙基岩水、富镁基岩水和淡水。