| 基于改进多尺度主元分析的故障监测 |
| |
| 引用本文： | 李立,齐咏生,王林,高学金,王普.基于改进多尺度主元分析的故障监测[J].计算机与应用化学,2014(8):998-1002. |
| |
| 作者姓名： | 李立 齐咏生 王林 高学金 王普 |
| |
| 作者单位： | 1. 内蒙古工业大学电力学院，内蒙古自治区，呼和浩特，010080
2. 北京工业大学电子信息与控制工程学院，北京，100124 |
| |
| 基金项目： | 国家自然科学基金资助项目(61174109，61364009)；内蒙古工业大学科学研究资助项目 |
| |
| 摘 要： | 针对工业过程数据的非平稳性、含噪声以及随机性等特点,提出一种改进多尺度主元分析方法用于过程故障监测。首先利用小波阈值去噪的方法,消除原始过程数据中的大部分高频随机噪声,使得数据不受噪声的影响,然后利用小波分解将去噪后的数据分解成逼近系数和细节系数,分别在各个尺度上建立主元分析模型,对各个尺度小波系数消噪并重构得到综合尺度的故障监测模型。将该算法应用于田纳西伊士曼(Tennessee Eastman)过程中进行验证,仿真结果表明,与传统PCA以及MSPCA方法相比,改进的算法减少了误报率和漏报率,提高了过程监测的准确性。
|
| 关 键 词： | 小波变换 阈值去噪 多尺度主元分析 过程监测 |
Fault monitoring based on improved multiscale principal component analysis |
| |
| Li Li,Qi Yongsheng,Wang Lin,Gao Xuejin,Wang Pu.Fault monitoring based on improved multiscale principal component analysis[J].Computers and Applied Chemistry,2014(8):998-1002. |
| |
| Authors: | Li Li Qi Yongsheng Wang Lin Gao Xuejin Wang Pu |
| |
| Affiliation: | Li Li;Qi Yongsheng;Wang Lin;Gao Xuejin;Wang Pu;Institute of Electric Power,Inner Mongolia University of Technology;College of Electronic Information & Control Engineering,Beijing University of Technology; |
| |
| Abstract: | |
| |
| Keywords: | wavelet transform wavelet threshold denoising MSPCA process monitoring |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
