Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((郭青秀[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
基于局部近邻标准化和动态主元分析的故障检测策略
张成, 郭青秀, 冯立伟, 李元
计算机应用 2018, 38 (
9
): 2730-2734. DOI:
10.11772/j.issn.1001-9081.2018010071
摘要
(
567
)
PDF
(785KB)(
256
)
可视化
收藏
针对工业过程的动态和多模态特性,提出一种基于局部近邻标准化(LNS)和动态主元分析(DPCA)相结合的故障检测方法(LNS-DPCA)。首先,在训练数据集中寻找样本的
K
近邻集;然后,应用
K
近邻集的均值与标准差对当前样本进行标准化处理;最后,在新的数据集中应用DPCA方法确定T
2
和SPE控制限进行故障检测。LNS方法能够消除过程的多模态特征,使得标准化后数据近似服从多元高斯分布,且保持过程离群点偏离正常样本轨迹;而结合DPCA方法则能够提高对具有动态特性过程的监视性能。利用数值例子和青霉素发酵过程进行仿真,并将测试结果与主元分析法(PCA)、DPCA、
K
近邻故障检测(FD-
K
NN)等方法进行对比分析,验证了LNS-DPCA方法的有效性。
参考文献
|
相关文章
|
多维度评价
Select
2.
基于判别核主元空间
k
近邻的批次过程监视
张成, 郭青秀, 李元
计算机应用 2018, 38 (
8
): 2185-2191. DOI:
10.11772/j.issn.1001-9081.2018020345
摘要
(
389
)
PDF
(977KB)(
297
)
可视化
收藏
针对批次过程非线性、多模态等特征,提出一种基于判别核主元
k
近邻(Dis-kPC
k
NN)的故障检测方法。首先,在核主元分析(kPCA)中,高斯核的窗宽参数依据样本类别标签在类内窗宽和类间窗宽中判别选取,使得核矩阵能有效提取数据的关联特征,保持数据的类别信息;其次,在核主元空间中引用
k
近邻规则代替传统的T
2
统计方法,
k
近邻规则可以有效处理主元空间非线性和多模态等特征的故障检测问题。数值模拟实例和半导体蚀刻工艺过程仿真实验表明:基于判别核主元
k
近邻方法可以有效地处理具有非线性和多模态结构特征的故障检测问题,提高计算的效率,减少内存的占用,并且故障检测率明显优于传统方法。
参考文献
|
相关文章
|
多维度评价