| 基于PCA-SVDD的故障检测和自学习辨识 |
| |
| 引用本文： | 祝志博,王培良,宋执环.基于PCA-SVDD的故障检测和自学习辨识[J].浙江大学学报(自然科学版 ),2010,44(4):652-658. |
| |
| 作者姓名： | 祝志博 王培良 宋执环 |
| |
| 作者单位： | 浙江大学工业控制技术国家重点实验室工业控制研究所;湖州师范学院信息工程学院; |
| |
| 基金项目： | 国家自然科学基金资助项目(60974056,60736021); 浙江省自然科学基金资助项目(Y1080871) |
| |
| 摘 要： | 为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.
|
| 关 键 词： | 主元分析 支持向量数据描述（PCA-SVDD） 特征提取 故障检测 故障自学习辨识 |
PCA-SVDD based fault detection and self-learning identification |
| |
| ZHU Zhi-bo,WANG Pei-liang,SONG Zhi-huan.PCA-SVDD based fault detection and self-learning identification[J].Journal of Zhejiang University(Engineering Science),2010,44(4):652-658. |
| |
| Authors: | ZHU Zhi-bo WANG Pei-liang SONG Zhi-huan |
| |
| Affiliation: | 1. State Key Laboratory of Industrial Control Technology, Institute of Industrial Process Control, Zhejiang University,
Hangzhou 310027, China; 2. School of Information Engineering, Huzhou Teachers College, Huzhou 313000, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《浙江大学学报(自然科学版 )》浏览原始摘要信息 |
|
点击此处可从《浙江大学学报(自然科学版 )》下载全文 |
