基于核主元分析与多支持向量机的监控诊断方法及其应用

被引：13

作者：

蒋少华 ^{[1
,2
]}

桂卫华 ^{[1
]}

阳春华 ^{[1
]}

唐朝晖 ^{[1
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 韶关学院计算机科学学院

来源：

系统工程理论与实践 | 2009年 / 29卷 / 09期

关键词：

核主元分析; 多支持向量机; 过程监控诊断; 密闭鼓风炉;

D O I：

暂无

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

为保证密闭鼓风炉冶炼过程的正常运行,构造了一种基于核主元分析(KPCA)和多支持向量机(MSVM)的监控模型.该监控模型首先用核主元分析方法对过程数据进行特征提取,然后将代表过程特征的核主元送入到多支持向量机分类器中进行故障诊断与分类.仿真研究显示,该监控模型具有较好的泛化能力,能有效地应用于鼓风炉的监控诊断,可用于鼓风炉熔炼过程的现场操作指导.

引用

页码：153 / 159

页数：7

共 9 条

[1] 基于AR模型和支持向量机的转子系统故障诊断方法 [J].

于德介 ;

陈淼峰 ;

程军圣 ;

杨宇 .

系统工程理论与实践, 2007, (05) :152-157

[2] 基于KPCA-SVC的复杂过程故障诊断 [J].

刘爱伦 ;

袁小艳 ;

俞金寿 .

仪器仪表学报, 2007, (05) :868-872

[3] 密闭鼓风炉铅锌熔炼的统计过程监测系统设计 [J].

唐朝晖 ;

桂卫华 ;

吴敏 ;

杨帆 ;

王海清 .

计算机与应用化学, 2007, (02) :155-158

[4] 铅锌冶炼过程的故障诊断神经网络专家系统 [J].

刘晓颖 ;

桂卫华 ;

朱爽 .

上海海运学院学报, 2001, (03) :89-91+97

[5]

故障信息诊断原理及应用[M]. 国防工业出版社 , 徐章遂等著, 2000

[6]

Fault diagnosis of multivariate systems using pattern recognition and multisensor data analysis technique[J] . F. Akbaryan,P.R. Bishnoi.Computers and Chemical Engineering . 2001 (9)

[7] Nonlinear component analysis as a kernel eigenvalue problem [J].

Scholkopf, B ;

Smola, A ;

Muller, KR .

NEURAL COMPUTATION, 1998, 10 (05) :1299-1319

[8] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[9] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 →