检索结果

Select

1. 基于动态核独立分量分析的高含硫天然气净化过程异常检测与诊断

李景哲, 李太福, 辜小花, 邱奎

计算机应用 2015, 35 (9): 2710-2714. DOI: 10.11772/j.issn.1001-9081.2015.09.2710

摘要（467）

PDF （739KB）（396）

目前高含硫天然气净化过程存在多参数动态相关的特性,导致基于静态多元统计过程监控方法对于异常状态检测效果较差。提出一种考虑参数时序自相关性的动态核独立分量分析(DKICA)异常检测与诊断方法。首先,引入自回归(AR)模型,通过参数辨识确定模型阶次,描述监控过程的时序自相关性;然后,将原始变量投影到核独立元空间,通过监控独立元对应的T ²和SPE统计量是否超出正常状态设定的控制限,实现异常检测;最后计算所述T ²统计量对原始变量的一阶偏导数,绘制贡献图实现异常诊断。以某高含硫天然气净化厂采集的数据进行分析,结果表明基于DKICA高含硫天然气净化过程异常检测精度要优于静态独立分量分析所得的检测精度。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于优化相对主元分析的铝电解槽况诊断

黄迪李太福易军田应甫

计算机应用 2014, 34 (8): 2429-2433. DOI: 10.11772/j.issn.1001-9081.2014.08.2429

摘要（166）

PDF （873KB）（391）

针对影响铝电解槽状态的参数较多且耦合性强、建立诊断模型的计算量巨大、诊断精度有限等问题，提出一种基于优化相对主元分析(ORPCA)的铝电解槽况诊断方法。利用相对主元分析(RPCA)方法在进行特征选择时的降维优势，提出一种有效的准则以确定主元的相对权重。通过遗传算法(GA)构造误报率适应度函数，考察观测样本在主元空间和残差空间里投影的变化，以获得搜索区域内最优的相对转换矩阵，使Hotelling's T2检验和预测平方差（SPE）检验的误报率降低到最小。对某厂170kA大型预焙槽的样本进行检验，实验结果表明，该方法在置信度为95%和97.5%时,T2检验误报率分别为16.79%和9.77%，SPE检验误报率分别为4.01%和1.75%。与同类算法相比，所提方法不但能准确诊断出铝电解槽中出现的异常状态，而且明显降低T2检验和SPE检验中出现误报的概率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于核主元分析的神经网络控制图模式识别

胡胜李太福魏正元颜克胜

计算机应用 2012, 32 (09): 2520-2522. DOI: 10.3724/SP.J.1087.2012.02520

摘要（1501）

PDF （609KB）（551）

针对异常特征之间存在较大的相似性而带来的网络结构复杂和识别精度不高的问题,提出一种基于核主元分析的神经网络控制图模式识别方法。先通过核方法将低维空间中的非线性特征转化为高维空间中的线性特征,再将其进行线性组合并向低维空间投影,然后用BP神经网络分类器对控制图模式进行识别。通过仿真进行验证,结果显示该方法对控制图各个模式能够有效聚类,并且识别精度得到提高。

参考文献 | 相关文章 | 多维度评价