基于最小二乘支持向量机预测器的传感器故障检测与数据恢复(英文)

被引：22

作者：

冯志刚 ^{[1
]}

信太克规 ^{[2
]}

王祈 ^{[1
]}

机构：

[1] 哈尔滨工业大学自动化测试与控制系

[2] 日本佐贺大学理工学部

来源：

仪器仪表学报 | 2007年 / 02期

关键词：

数据恢复; 神经网络预测器; 传感器故障检测; 最小二乘支持向量机;

D O I：

10.19650/j.cnki.cjsi.2007.02.001

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

本文介绍了最小二乘支持向量机(LS-SVM)回归的基本原理,提出了一种基于LS-SVM回归的时间序列预测器,并将其用于传感器的故障检测和数据恢复。论述了LS-SVM预测器的实现方法和步骤,并且将其应用于压力传感器的故障检测和数据恢复,同线性神经网络预测器、RBF神经网络预测器和BP神经网络预测器的比较结果表明,LS-SVM预测器具有更高的预测精度,更好的外推能力,计算效率最高,因此,LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。

引用

页码：193 / 197

页数：5