博士科研启动基金(SB3200701)
- 作品数：3 被引量：17H指数：3
- 相关作者：赵小强王新明王迎更多>>
- 相关机构：兰州理工大学更多>>
- 发文基金：甘肃省科技支撑计划博士科研启动基金甘肃省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于小波去噪与KPCA的TE过程故障检测研究被引量：11
- 2011年
- 针对化工过程复杂非线性,并且含有噪声和随机干扰的特点,提出利用小波去噪与核主元分析(KPCA)相结合的方法来进行故障检测,既可以达到去噪、抗干扰的目的,又可以将输入空间中复杂的非线性问题转化为特征空间中的线性问题,从而解决了主元分析(PCA)方法在非线性过程中性能差的问题。并将该方法应用于Tennessee Eastman(TE)化工过程模型,仿真结果表明其在故障检测方面明显优越于普通的PCA方法。
- 王迎王新明赵小强
- 关键词：故障检测核主元分析小波去噪TE过程
- 基于改进核主元分析的TE过程故障诊断被引量：3
- 2010年
- 对于复杂非线性化工过程,传统的核主元分析(KPCA)方法在故障检测方面明显优越于普通的PCA方法,但存在故障辨识效果差的问题,而且实际得到的数据不可避免地带有噪声、随机干扰。针对此,提出一种改进的核主元分析方法,对数据进行小波去噪预处理,利用核主元分析方法进行故障检测,并利用计算核函数的偏导方法求取KPCA监控中每个原始变量对统计量T2和SPE的贡献率,根据每个变量对监控统计量贡献程度的不同,可以辨识出故障源。把上述方法应用到TE(Tennessee Eastman)化工过程,仿真结果表明该方法不仅能够去噪、抗干扰和准确检测故障,而且能够有效辨识故障。
- 赵小强王新明
- 关键词：故障辨识核主元分析小波去噪TE过程
- 基于小波去噪的FVS-KPCA故障检测方法被引量：3
- 2010年
- 对于复杂非线性系统,实际得到的数据不可避免地带有噪声、随机干扰,而传统的核主元分析(KP-CA)方法应用于大样本集的故障检测,要计算核矩阵K很困难。为此,提出一种小波去噪与特征矢量选择-核主元分析(FVS-KPCA)相结合的故障检测方法,首先对数据进行小波去噪,再采用特征矢量选择(FVS)与KPCA结合的方法能有效降低故障检测计算的复杂性。把上述方法应用到Tennessee Eastman(TE)化工过程,仿真结果表明该方法能有效地提高故障检测的速度。
- 赵小强王新明
- 关键词：故障检测小波去噪核主元分析TE过程
