基于KPCA-SVC的复杂过程故障诊断

被引：32

作者：

刘爱伦

袁小艳

俞金寿

机构：

[1] 华东理工大学自动化研究所

来源：

关键词：

核主元分析(KPcA); 支持向量机分类(SVC); 故障诊断;

D O I：

10.19650/j.cnki.cjsi.2007.05.020

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

本文提出了一种将核主元分析方法与支持向量机分类相结合进行故障诊断的方法,运用该方法对连续搅拌釜式反应器(CSTR)进行实时的故障诊断,实验结果表明KPCA-SVC故障诊断方法既充分利用了KPCA的特征提取能力和SVC的良好的分类能力,又避免了复杂的计算,有利于提高故障诊断模型的实时性。

引用

页码：868 / 872

页数：5