排序方式: 共有11条查询结果,搜索用时 31 毫秒
1.
基于GMM的多工况过程监测方法 总被引:1,自引:0,他引:1
传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布。若这些方法直接用于多工况过程则将会产生大量的误检。为此,本文提出了1种基于高斯混合模型的多工况过程监测方法。首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性。然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性。最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测。TE过程的仿真结果表明,本文提出的方法与传统的PCA方法相比,能自动获取工况和精确估计各个工况的统计特性,从而能更准确及时地检测出多工况过程的各种故障。 相似文献
2.
火电机组实时成本模型的输入变量选择方法 总被引:1,自引:0,他引:1
输入变量选择是神经网络建模前的一项重要工作,是否能够选择出一组最能反映期望输出变化原因的输入变量直接关系到神经网络预测的性能.文章提出了一种基于敏感度分析的输入变量选择法(SAIVSA),并将该方法应用于实时成本模型的输入变量选取.仿真结果表明,所提出的方法可以得到更小、更准确的输入变量集,神经网络的收敛速度更快,泛化性能更好,从而验证该方法的有效性. 相似文献
3.
4.
5.
6.
针对传统统计过程监控假设数据服从高斯分布的不足,提出了基于混合信号模型(MSM)及支持向量数据描述(SVDD)的非高斯过程监控方法。混合信号模型中包含了高斯、非高斯信号源及过程测量噪声,给出了基于混合信号模型的过程测量变量分解方法、统计量的定义及其分布。针对非高斯信号源监控,提出了SVDD核参数化的一般形式及其优化算法。工业实际数据中的应用表明,通过SVDD核函数优化,可准确地对数据的非高斯特性进行刻画,及时地发现工业过程中出现的异常情况。 相似文献
7.
本文介绍了镇海电厂循泵控制系统的改造.该控制系统采用热备冗余的PLC程控。重点介绍了在项目实施过程中,利用ActiveX控件技术实现主、从PLC控制器无扰动切换。 相似文献
8.
9.
10.
一种快速逼近的神经网络构造性算法 总被引:2,自引:0,他引:2
选取合适的网络结构是前馈网络应用中首先遇到一个十分重要而又困难的问题。文章针对前馈网络的特点,提出了一种网络构造算法。该算法的主要特点是把二层网络的训练问题转化为求解线性方程组的最小二乘解,直接求得使误差最小的权值矩阵,并通过划分样本子集来创建子网,把子网输出映射到输出层,形成三层网络结构。由于避免了传统BP算法的梯度搜索过程,该算法能快速收敛。仿真结果表明,所提出的算法可快速、有效地逼近连续函数。 相似文献