基于特征样本的KPCA在故障诊断中的应用

被引：21

作者：

范玉刚

李平

宋执环

机构：

[1] 工业控制技术国家重点实验室浙江大学工业控制技术研究所

来源：

控制与决策 | 2005年 / 12期

关键词：

核函数主元分析; 故障监测; 特征空间; 特征提取;

D O I：

10.13195/j.cd.2005.12.97.fanyg.021

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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,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T ennesseeE astm an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.

引用

页码：1415 / 1418+1422 +1422

页数：5