發(fā)布時(shí)間：2017-12-16 13:04

  本文關(guān)鍵詞：一種基于特征子空間的改進(jìn)動(dòng)態(tài)核主元分析方法

  更多相關(guān)文章： 動(dòng)態(tài)核主成分分析 特征空間 特征提取 故障檢測(cè) TE過程

【摘要】：針對(duì)傳統(tǒng)的動(dòng)態(tài)核主成分分析(dynamic kernel principal component analysis,DKPCA)用于大樣本數(shù)據(jù)集的故障檢測(cè)時(shí),占用計(jì)算機(jī)內(nèi)存大、計(jì)算復(fù)雜度高等不足,提出一種基于特征子空間的DKPCA算法(EFS-DKPCA)。該方法通過構(gòu)建具有較小維數(shù)特征子空間上的正交基來簡(jiǎn)化核矩陣K,從而降低DKPCA的計(jì)算復(fù)雜性。與DKPCA方法相比,該方法具有更高的計(jì)算效率,且只需較小的計(jì)算機(jī)存儲(chǔ)空間。將該方法應(yīng)用于TE(tennessee eastman)過程,仿真結(jié)果顯示,兩者診斷結(jié)果大致相同,而所需時(shí)間大大減小,說明了本算法的有效性。
【作者單位】： 西南科技大學(xué)信息工程學(xué)院;西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院;
【基金】：特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(13zxtk06)
【分類號(hào)】：TP277
【正文快照】： 611756)0引言隨著測(cè)量技術(shù)和數(shù)據(jù)存儲(chǔ)技術(shù)的發(fā)展,大量的過程數(shù)據(jù)被采集和存儲(chǔ)在數(shù)據(jù)庫中,從中快速、有效地提取有用信息并用于故障檢測(cè),成為一個(gè)重要的研究課題。PCA是一種廣泛應(yīng)用于過程監(jiān)控的線性變換方法,對(duì)大部分生產(chǎn)過程的監(jiān)控可取得較好的效果,但在提取大型、復(fù)雜和非線，

本文編號(hào)：1296106