| 基于KICA-KFDA的集成故障识别算法 |
| |
| 作者姓名： | 许洁 赵瑾 刘如成 胡寿松 |
| |
| 作者单位： | 南京师范大学 电气与自动化工程学院 南京,南京师范大学 电气与自动化工程学院 南京,南京师范大学 电气与自动化工程学院 南京,南京航空航天大学自动化学院 南京 |
| |
| 基金项目： | 国家自然科学基金重点资助项目(60234010);航空科学(05E52031);国家自然科学青年基金资助项目(61203092);江苏省高校自然科学研究项目资助 (11KJB510007) |
| |
| 摘 要： | 针对复杂的化工过程,提高过程监控能力,提出基于核独立成分分析（kernel independent component analysis,KICA）和核Fisher判别分析（kernel fisher discriminant analysis,KFDA）的过程监测与故障识别方法。通过利用核独立成分分析建立正常工况模型,得到检测故障信息。在发生故障的情况下,利用Fisher判别分析方法在高维的特征空间的特点和优势,可求出满足最大分离程度的核Fisher判别向量和特征向量,根据当前故障的判别向量和历史故障数据集中所含故障的最优核Fisher判别向量的相似度进行故障识别。仿真结果验证了所提方法的有效性。
|
| 关 键 词： | 过程监控 故障识别 核独立成分分析 核Fisher判别分析 |
| 收稿时间： | 2012-11-21 |
| 修稿时间： | 2013-11-12 |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
