基于粒子群优化的核主元分析的故障检测方法

被引：12

作者：

石怀涛

宋文丽

张珂

周乾

机构：

[1] 沈阳建筑大学机械工程学院

来源：

沈阳建筑大学学报(自然科学版) | 2016年 / 32卷 / 04期

关键词：

粒子群法; 混合核函数; 核主元分析; 故障检测; 电主轴;

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：

140102 [集成电路设计与设计自动化];

摘要：

目的提出使用粒子群优化(PSO)方法进行核参数优化,获得混合核KPCA的故障检测方法.方法引入多项式核函数和高斯径向基核函数的混合核方法,使用PSO对各参数同时进行优化,得到最优的混合核函数,再与PCA相结合,得到基于PSO优化的KPCA.结果根据混合非线性主元特征计算出的T2和SPE统计量,实现故障检测.并且其故障检测率高于径向基KPCA,时间成本低于多项式KPCA.结论通过田纳西-伊斯曼(TE)测试过程以及电主轴系统的应用实例说明了KPCA方法的可行性与实用性.

引用

页码：710 / 717

页数：8

共 9 条

[1]

Determination of Optimal SVM Parameters by Using GA/PSO [J].

Ren, Yuan ;

Bai, Guangchen .

JOURNAL OF COMPUTERS, 2010, 5 (08) :1160-1168

[2]

An ACO-based algorithm for parameter optimization of support vector machines [J].

Zhang, XiaoLi ;

Chen, XueFeng ;

He, ZhengJia .

EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (09) :6618-6628

[3]

A distributed PSO–SVM hybrid system with feature selection and parameter optimization.[J].Cheng-Lung Huang;Jian-Fan Dun.Applied Soft Computing Journal.2007, 4

[4]

Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters [J].

Min, JH ;

Lee, YC .

EXPERT SYSTEMS WITH APPLICATIONS, 2005, 28 (04) :603-614

[5]

Nonlinear process monitoring using kernel principal component analysis.[J].Jong-Min Lee;ChangKyoo Yoo;Sang Wook Choi;Peter A. Vanrolleghem;In-Beum Lee.Chemical Engineering Science.2003, 1

[6]

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