基于核主元分析与支持向量机的监控诊断方法及其应用

被引：16

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：

中南大学学报(自然科学版) | 2009年 / 40卷 / 05期

关键词：

核主元分析; 支持向量机; 多类分类器; 过程监控; 故障诊断;

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：

为了及时反映密闭鼓风炉冶炼过程状态,实现对密闭鼓风炉炉况的监控与诊断,提出核主元分析和多支持向量机分类的相结合的过程监控与故障诊断方法。其原理是:首先,用核主元分析方法提取过程数据特征,建立核主元分析的监控模型;然后,将代表过程特征的核主元送入多支持向量机分类器中,利用"一对其余"算法对故障进行诊断与分类。实验结果表明,所提出的方法与传统的主元分析方法相比,整个样本集的可分性变大,分类正确率提高,能更准确地诊断炉子的各种故障,可有效地用于密闭鼓风炉冶炼过程的故障诊断。

引用

页码：1323 / 1328

页数：6

共 10 条

[1] 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

[2] 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

[3] 支持向量机及其在机械故障诊断中的应用 [J].

何学文 ;

赵海鸣 .

中南大学学报(自然科学版), 2005, (01) :97-101

[4] 人工神经网络在过程工业中的应用 [J].

陈丙珍 .

中国有色金属学报, 2004, (S1) :106-111

[5] 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

[6]

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

[7]

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)

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

Scholkopf, B ;

Smola, A ;

Muller, KR .

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

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

Burges, CJC .

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

[10] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

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

← 1 →