基于特征样本的KPCA在故障诊断中的应用
DOI:
CSTR:
作者:
作者单位:

浙江大学工业控制技术研究所 杭州 310027

作者简介:

范玉刚

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    核函数主元分析(KPCA)可用于非线性过程监控.建立KPCA模型首先要计算核矩阵K,K的维数等于训练样本的数量I 对于大样本集,计算K很困难.对此提出一种基于特征样本的KPCA(SKPCA) ,其基本思想是, 首先利用非线性映射函数将输入空间映射到特征子空间, 然后在特征子空间中计算主元.将SKPCA 应用于监控Tennessee Eastman 过程,并与基于全体样本的KPCA作比较. 仿真结果显示, 二者诊断结果基本相同,然而特征样本只是训练样本中的一小部分.因此减少了K 的维数,解决了K的计算问题.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

范玉刚 李平 宋执环.基于特征样本的KPCA在故障诊断中的应用[J].控制与决策,2005,20(12):1415-1418

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2004-11-15
  • 最后修改日期:2005-03-01
  • 录用日期:
  • 在线发布日期: 2005-12-20
  • 出版日期:
文章二维码