基于核主成分分析的特征提取方法

为了证实核主成分分析在特征提取中的优越性,利用支持向量机作为分类器,以主成分分析和核主成分分析作为特征提取的工具,以分类器的分类性能作为方案优劣的评判标准设计了六种实验方案进行实验分析。实验数据表明,对特征选择后的数据集利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现数据维数的约简和分类器性能的提高。同时还发现,在对数据进行特征提取的能力上,核主成分分析优于主成分分析。     

基于粒子群优化的核主元分析的故障检测方法

目的提出使用粒子群优化(PSO)方法进行核参数优化,获得混合核KPCA的故障检测方法.方法引入多项式核函数和高斯径向基核函数的混合核方法,使用PSO对各参数同时进行优化,得到最优的混合核函数,再与PCA相结合,得到基于PSO优化的KPCA.结果根据混合非线性主元特征计算出的T2和SPE统计量,实现故障检测.并且其故障检测率高于径向基KPCA,时间成本低于多项式KPCA.结论通过田纳西-伊斯曼(TE)测试过程以及电主轴系统的应用实例说明了KPCA方法的可行性与实用性.     

基于小波包和KPCA的时频域故障检测方法

针对故障检测技术中存在的非线性和信息遗漏问题,在深入分析核主元分析法的基础上,提出了一种新的基于小波包和核主元分析法（KPCA）的时频域故障检测方法.利用小波包对原始信号进行预处理,提取包含时域和频域特征参数构成的特征向量,应用KPCA进行故障检测,同时对液压泵也进行了故障检测.试验结果表明,时域和频域特征参数构成的特征向量很好地反映了故障的特征,与PCA相比,KPCA的主元数目可选择范围宽,该方法对液压泵故障检测有良好的效果.     

在线压缩主元分析的自适应故障检测方法

大规模的工业过程具有动态的特性,主元分析只关注方差最大化,没有很好地解决处理样本的数量以及样本成分是否包含动态特性,所以主元分析不适合直接应用于动态过程的故障检测。因此,提出一种在线压缩主元分析的自适应故障检测方法。在大量的样本中提取一组极具代表性的样本进行压缩数据建模,对于在线实时采集的数据,根据信息是否符合添加要求进行判断,并自动更新监控模型。将该方法应用于田纳西-伊斯曼过程,使用T²进行验证分析,仿真结果表明,所提出的故障检测方法是有效性。     

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。     

早期故障信号基于调制随机共振的核主元检测

针对淹没在强噪声中具有高频多周期成分的早期故障信号,提出了并联调制随机共振与核主元分析系统.将信号的特征频率通过调制共振系统进行增强,并将功率谱组成多元统计向量,通过非线性映射,在高维空间进行特征提取,利用T2统计量和F分布的控制限进行检测.利用仿真的轴承转子振动信号与滚动轴承冲击信号进行了验证,实验表明系统能够及时地对早期故障进行预警.     

基于主成分分析和SVM模型的配电网故障选线方法

针对配电网谐振接地系统中单相接地故障选线可靠性不高的问题,提出了一种基于主成分分析SVM模型故障选线方法.该方案结合传统启动判据和零序电压小波变换突变能量作为系统异常启动判据,提高了判据的灵敏性.判断系统发生异常后,利用母线零序电压包络线斜率对单相接地故障和由非故障源引起的虚幻接地进行区分,减小选线装置误启动概率.利用主成分分析使故障馈线和健全馈线的瞬时零序功率的特征向量差异性达到最大,通过支持向量机对瞬时零序功率的主元特征向量进行分类,从而有效实现故障选线.仿真和实测数据皆验证该方案有效可靠且适用于不同故障性质的选线.     

基于融合主成分匹配的异常检测方法

针对数据存储规模的扩大,提出了一种基于融合主成分匹配FPCM(fusion principal components match)的异常检测方法。首先将各子节点数据通过聚类去除孤立点以提高主成分分析的稳定性,将各子节点的聚类中心传送到中心节点,减少节点间传送数据的通信量并且实现求主成分的数据融合;用聚类中心的主成分转换矩阵建立的正常行为模型能够体现整体的数据特征;最后使用决策树方法提高匹配速度。实验结果表明,FPCM方法能保持较高的DOS检测率,在保证整体检测率为97%的同时将误报率控制在10%以下。通过与已有方法比较表明,该方法能使分布式存储的数据在检测结果上达到数据集中存储的检测水平。     

基于主成分分析的液压泥炮系统泄漏监测

针对液压泥炮系统泄漏量小、故障频发的特点,将主成分分析（PCA）方法引入到液压泥炮系统的泄漏检测中.与传统的故障检测方法相比,PCA方法采用Hotelling T2和Q统计作为故障检测的依据,具有不依赖过程数学模型的特点.基于多维数据驱动的PCA方法,建立了液压泄漏监测装置,利用核密度法生成T2和Q两个统计量的联合置信空间,提高了系统泄漏故障诊断的正确率.将该装置应用到宝钢三号高炉泥炮系统中,结果表明,泄漏监测系统能够及时、准确地发现系统泄漏故障.     

基于PCA降维的SVM人脸快速检测方法

提出一种改进的快速人脸检测方法。人脸模式训练阶段,先将训练样本的人脸特征经PCA降维提取主要特征,然后训练SVM人脸模式函数,由于训练样本维数的降低,节约了训练时间。检测阶段,利用肤色在YCbCr空间的聚类性,在色度空间建立高斯肤色模型进行皮肤分割。对分割区域进行连通域体态分析后,用PCA方法将待检测样本降维处理,利用SVM检测识别人脸。实验结果表明,这种方法可以快速有效检测图像中的单幅或多幅人脸区域。     

基于KPC-kNN方法的批次过程故障诊断

为克服FD-kNN算法的计算量和存储量特别大,PC-kNN主元仅仅能体现过程中线性信息的不足,提出一种基于KPC-kNN的故障诊断方法.在KPCA提取非线性信息后,在核主元空间里应用kNN算法,计算k个最近样本的距离平方和作为统计指标,使用核密度估计方法计算训练空间的控制限.半导体工业实例的实验结果验证了所提方法的有效性.     

基于MICA-PCA的间歇过程故障监测

针对具有数据非高斯分布或混合分布的间歇过程, 研究一种新的改进MICA-PCA监控方法.首先利用MICA方法提取非高斯分布过程信息, 通过设定负熵阈值实现独立成分个数的自动选择, 以此克服传统ICA方法中需提前确定独立成分个数的缺点, 再使用核密度估计方法确定相应统计量的置信限, 然后对服从多元高斯分布的残差过程信息, 进一步进行PCA分析和处理.将该方法应用于北京某生化制药厂重组大肠杆菌制备白介素-2发酵过程监控.结果表明:该法在过程变量不服从高斯分布的情况下能有效降低传统方法的漏报和误报率, 准确地对过程进行监控.     

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．     

数据驱动PCA、ICA和KICA故障检测仿真比较

针对同一非线性过程数据,分别应用多元统计过程监控技术中的主元分析（Principal Component Analysis,PCA）、独立元分析（Independent Component Analysis,ICA）和核独立元分析（Kernel Independent Component Analysis,KICA）三种方法进行了故障检测建模,并进行了仿真比较研究。通过田纳西-伊斯曼过程（Tennessee Eastman Process,TE）仿真结果表明：在处理实际工业生产中非线性、非高斯的数据方面,KICA方法具有更强的故障监测能力。     

基于PCA与SPRT的机械故障诊断方法研究

提出了一种基于主元分析法（PCA）和序贯概率比检验（SPRT）的齿轮箱故障诊断新方法。选用正常的和有裂纹的齿轮建立实验模型,采用小波包变换对齿轮箱实验系统采集的振动信号进行预处理。采用时域信号分析方法提取振动信号的特征参数,并运用PCA对数据进行降维。选取降维后贡献率最大的主元作为测试参数,验证了所提出的SPRT算法和均方根误差,并检测了该方法的诊断能力。结果表明,该方法对于齿轮箱的齿轮状况识别是有效且实用的。     

基于多方向主元分析方法的间歇过程性能监视和故障诊断

将多方向主元分析（ＭＰＣＡ）技术应用于间歇生产过程的建模、过程性能监视和故障诊断,ＭＰＣＡ方法唯一需要的信息是过去成功间歇过程数据集合。作为一种有效的数据压缩和信息提取方法,ＭＰＣＡ方法大大降低数据空间结构的维数,消除变量之间的关联性,去除噪声,提高监视系统的鲁棒性,本文针对半导体生产过程中快速热退火间歇过程进行仿真实验研究。仿真结果表明：ＭＰＣＡ方法能够有效地监视间歇过程性能,及时准确诊断引起产     

基于故障临界值的传感器故障检测方法的研究

在基于PCA的故障检测行为研究的基础上，对4种检测结果进行详细分析．在检测统计量T^2超限而SPE并未超限的情况下，设定故障临界值，利用传感器数据高度相关的特点，及其故障前后相关系数的变化情况，区分出是过程扰动还是传感器故障．通过仿真分析结果验证了其有效性．     

非线性PCA方法在间歇过程性能监视和故障诊断中的应用

针对间歇生产过程的特点,基于多方向主元分析方法（ＭＰＣＡ）和非线性理论,提出具有实时性的非线性最小窗口ＰＣＡ方法,分析复杂非线性间歇过程的性能,诊断异常事件的原因,讨论最小窗口ＰＣＡ方法的建模方法,过程性能监视和故障诊断基本原理,仿真实例验证该方法的有效性,最小窗口ＰＣＡ方法突破ＭＰＣＡＹ一性化的建模方式,创新性地构造了适合间歇生产过程特点的多模型结构非线性建模方法,并侧重于在线间歇过程性能监视和