【摘要】：針對核主元分析(KPCA)在應用過程中非線性映射不存在原像、故障變量無法辨識、工程應用困難等問題,提出了一種改進的KPCA殘差方向梯度故障檢測方法。利用主元統(tǒng)計量和殘差統(tǒng)計量的偏微分之間存在著相關性這一性質(zhì),對與主元統(tǒng)計量相關的格拉姆矩陣偏微分中間計算過程進行優(yōu)化,提出一種新的KPCA殘差方向梯度算法,在此基礎上結合統(tǒng)計量形成系統(tǒng)故障檢測的新方法。非線性系統(tǒng)仿真表明,改進的KPCA殘差方向梯度法不僅具有較優(yōu)的故障變量辨識能力,還極大地減小了計算量,縮短了計算時間。大型熱力系統(tǒng)的應用進一步表明,無論對于單故障和多故障的情況,方法均具有較好的故障檢測能力,并且不存在殘差污染,易于工程實現(xiàn)。
[Abstract]:A modified KPCA residual direction gradient fault detection method is proposed to solve the problems of nonlinearity mapping of kernel principal component analysis (KPCA) in the application process, failure variable identification and engineering application difficulties. By using the property of correlation between principal component statistics and partial differential of residual statistics, the Gramm matrix partial differential intermediate calculation process related to principal component statistics is optimized, and a new KPCA residual direction gradient algorithm is proposed. On the basis of this, a new method of system fault detection is formed by combining statistics. The simulation of nonlinear system shows that the improved KPCA residual direction gradient method not only has better identification ability of fault variables, but also greatly reduces the computational complexity and time. The application of large scale thermal system further shows that the method has better fault detection capability and no residual pollution, which is easy to be realized in engineering.
【作者單位】： 南京工程學院電力仿真與控制工程中心;東南大學能源熱轉(zhuǎn)換及其過程測控教育部重點實驗室;華北電力科學研究院有限責任公司;
【基金】：國家自然科學基金(51176030) 南京工程學院引進人才科研啟動基金(YKJ201445)項目資助
【分類號】：TP277

【相似文獻】

相關期刊論文 前10條

1 邱天,丁艷軍,吳占松;基于概率的故障檢測方法及其學習策略[J];清華大學學報(自然科學版);2005年08期

2 姜連祥;黃海宇;楊勤榮;李華旺;楊根慶;;基于模糊集的故障檢測方法[J];系統(tǒng)工程與電子技術;2009年11期

3 張妮;田學民;;基于等距離映射的非線性動態(tài)故障檢測方法[J];上海交通大學學報;2011年08期

4 周小勇,葉銀忠;基于小波多分辨率分析的故障檢測方法[J];控制工程;2005年S2期

5 范玉剛;李平;宋執(zhí)環(huán);;基于核主角的故障檢測方法[J];化工學報;2006年11期

6 夏敏納;龔德良;肖娟;;一種面向可靠云計算的自適應故障檢測方法[J];計算機應用研究;2014年02期

7 鄒凌偉;田學民;;基于集成主成分分析的故障檢測方法[J];青島科技大學學報(自然科學版);2012年05期

8 邵旭光;范守文;熊靜琪;;一種基于免疫神經(jīng)網(wǎng)絡的故障檢測方法[J];中國機械工程;2010年19期

9 李建偉;段富;張順利;;一種基于免疫機理的故障檢測方法[J];電腦開發(fā)與應用;2007年03期

10 張化勛;曹旭;;一種機械系統(tǒng)振動故障檢測方法[J];長春大學學報;2008年06期

相關會議論文 前8條

1 周小勇;葉銀忠;;基于小波多分辨率分析的故障檢測方法[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

2 杜運成;石紅瑞;;等價空間故障檢測方法研究[A];自動化技術與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

3 譚琳;文成林;;一種基于多模式的故障檢測方法[A];第二十七屆中國控制會議論文集[C];2008年

4 邱愷;吳訓忠;陳天如;魏瑞軒;張宗麟;;基于融合量測預報器的聯(lián)邦濾波故障檢測方法[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

5 陳金水;孫優(yōu)賢;;一種控制系統(tǒng)故障的魯棒檢測方法[A];1995中國控制與決策學術年會論文集[C];1995年

6 顏東;張洪鉞;;基于ARMA模型的故障檢測方法[A];1994中國控制與決策學術年會論文集[C];1994年

7 張成;李元;;PC-KNN故障檢測方法在半導體批次過程中的應用研究[A];第25屆中國控制與決策會議論文集[C];2013年

8 易昭湘;慕曉冬;楊眉;趙鵬;;基于狀態(tài)監(jiān)控的軟硬件故障檢測方法[A];2007'儀表，，自動化及先進集成技術大會論文集（二）[C];2007年

相關博士學位論文 前4條

1 劉文靜;分布式網(wǎng)絡化控制系統(tǒng)故障檢測方法研究[D];天津大學;2009年

2 彭濤;基于傳感器最優(yōu)配置的故障檢測方法研究[D];中南大學;2005年

3 馬賀賀;基于數(shù)據(jù)驅(qū)動的復雜工業(yè)過程故障檢測方法研究[D];華東理工大學;2013年

4 王恒;基于LMI技術的線性系統(tǒng)故障檢測方法[D];東北大學;2008年

相關碩士學位論文 前10條

1 張占奎;基于特征空間信息提取的故障檢測方法研究[D];大連理工大學;2015年

2 郭剛;彈復性兩自由度機械手的關節(jié)故障檢測方法研究[D];華東理工大學;2016年

3 丁偉光;非線性網(wǎng)絡控制系統(tǒng)的故障檢測方法研究[D];南京航空航天大學;2015年

4 孫巍;基于PLS的關鍵性能指標相關的故障檢測方法研究[D];渤海大學;2017年

5 王承光;動態(tài)系統(tǒng)的魯棒故障檢測方法研究[D];南京理工大學;2006年

6 張少捷;基于工業(yè)過程數(shù)據(jù)的故障檢測方法研究[D];華東理工大學;2011年

7 馬馳;基于數(shù)據(jù)的故障檢測方法的研究與應用[D];東北大學;2011年

8 金亮;基于二維動態(tài)核Hebbian算法的非線性過程故障檢測方法研究[D];東北大學;2009年

9 朱光;多BDKPCA故障檢測方法及應用研究[D];東北大學;2010年

10 李鋒;控制系統(tǒng)傳感器魯棒故障檢測方法研究[D];華北電力大學（河北）;2004年

本文編號：2340763