|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 类均值核主元分析法及在故障诊断中的应用显示文摘核主元分析在应用过程中,通常采用累积贡献率法确定核主元个数,舍弃一些贡献率较小的核主元,导致数据样本部分信息的损失,影响故障诊断的效果。针对这一情况,提出一种类均值核主元分析法,它将输入空间的数据样本映射到高维特征空间后,先求出各类映射数据的类均值矢量,然后在类均值矢量张成的子空间上对类均值矢量进行主元分析,利用构建的类均值核矩阵,建立类均值核主元算法。由类均值核主元形成的特征矢量包含原数据样本的全部变异信息,并且维数低于故障类别数,能够在类均值矢量基础上实现无信息损失的数据降维。将改进算法应用于滚动轴承故障诊断,结果表明,它具有比传统核主元分析更强的综合原始变量信息的能力,能更好地提取数据样本的类别信息,快速实现故障模式的准确识别。 | 李学军 李平 蒋玲莉 | 2014 | 机械工程学报2014，50，3： | 27 |
| 2 | 联合指标独立成分分析在多变量过程故障诊断中的应用显示文摘作为主成分分析(Principal component analysis,PCA)和因子分析(Factor analysis,FA)的扩展,独立成分分析(Independent component analysis,ICA)已经在多变量过程故障诊断中得到了很多的应用和发展.ICA的监测指标通常有三个(I2、I2e和SPE),使用起来不如一个指标方便,且分散了故障信息.本文利用三个指标的加权和,提出了两种联合的ICA监测指标.本文进一步对比分析了不同指标的统计意义和物理意义,并在仿真数据中验证了联合指标的优势,在TE过程中验证了其检测和诊断特性. | 樊继聪 王友清 秦泗钊 | 2013 | 自动化学报2013，39，5： | 22 |
| 3 | 基于特征空间k最近邻的批次过程监视显示文摘针对具有非高斯、非线性及多工况特性的批次过程,提出一种基于特征量最近邻统计指标的过程监视方法.首先,将批次过程正常工况原始数据投影到其特征空间,提取主元T和平方预测误差SPE,并进行特征量k最近邻距离平方和的求解.然后,采用核密度估计法获得概率密度分布函数,确定统计监视控制限.特征空间的主元T和SPE特征量能全面代表原始数据的有用信息.采用特征量k最近邻建立监视模型将会节省存储空间,提高建模样本数量与变量之比以及检测异常工况的速度.另外,利用局部近邻数据建模可以解决过程具有的非线性和多工况问题,而应用核密度估计法可以解决过程数据具有的非高斯分布问题.最后,在半导体生产过程的成功应用表明了所提方法的有效性. | 郭小萍 袁杰 李元 | 2014 | 自动化学报2014，40，1： | 17 |
| 4 | Online Contribution Rate Based Fault Diagnosis for Nonlinear Industrial Pro cesses显示文摘在过去的十年,核主管部件分析(KPCA ) 在监视区域的数据驱动的过程相当流行地出现了。庞大的工作被做了显示出它的简洁,可行性,和有效性。然而,核诡计的介绍使直接为差错诊断采用传统的贡献阴谋不可能。在这份报纸,根据重游并且分析存在, KPCA 相关的诊断来临,新贡献率基于方法被建议它能清楚地解释有缺点的变量。而且,为联机非线性的诊断的一个计划被建立。最后,连续搅动的坦克反应堆(CSTR ) 上的案例研究基准被使用存取新方法论的有效性,在有传统的线性方法的比较也被包含的地方。 | PENG Kai-Xiang ZHANG Kai LI Gang | 2014 | 自动化学报2014，40，3： | 12 |
| 5 | 基于改进结构保持数据降维方法的故障诊断研究显示文摘传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主成分分析的目标函数中,使样本投影后的特征空间不仅保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真,并能够直观显示出低维结果,将低维数据输入最近邻分类器,以识别率和聚类分析结果作为衡量指标,同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman,TE)化工数据仿真,验证了所提方法的有效性. | 韩敏 李宇 韩冰 | 2021 | 自动化学报2021，47，2： | 12 |
| 6 | 基于数据驱动的过程智能优化技术研究现状及其在中药先进制药中的应用展望显示文摘随着信息技术的发展,现代制造企业面临着信息化、智能化的转型升级需要,以实现产品质量与生产效率的提升及生产成本的降低。与此相应产生的工业大数据正逐渐成为新时代的企业核心资源,有效提取其背后隐藏的价值越来越成为企业的核心竞争力。基于数据驱动技术建立生产过程的数字化模型,从而实现基于模型的过程优化控制,这作为一种智能制造关键技术,已经在各个行业中逐步得到了应用。文章通过对数据驱动的智能制造技术在各个行业中的应用情况进行总结,并评述其研究结果如何为大数据时代下中药制药过程智能优化控制提供策略建议。 | 司梦兰 王鐾璇 缪培琪 于洋 所同川 李正 | 2020 | 天津中医药大学学报2020，39，5： | 9 |
| 7 | Improved Relative-transformation Principal Component Analysis Based on Mahalanobis Distance and Its Application for Fault Detection显示文摘主要部件分析(PCA ) 广泛地在过程工业被使用了,它能维持最大的差错察觉率。尽管许多问题在 PCA 被处理了,一些必要问题仍然保持未解决。这研究以下列方法为差错察觉性能改进 PCA。第一,一个相对转变计划基于 Mahalanobis 距离(MD ) 被介绍消除数据的尺寸的效果而不是无尺寸的标准化,并且改进精确性和差错察觉的即时性能。理论推导证明那相对转变能直接基于 MD 消除尺寸的效果并且在结果显示出的相对空间,分析和模拟给 PCA 的合理解释它的优势和有效性。第二,一个改进摆平的预言错误(SPE ) 统计数值被给改进标准化 PCA 的差错察觉表演,它能使标准化基于 PCA 的差错察觉方法成为对实际工业过程合适的更多。最后,二个改进方法被联合更有效地检测差错。建议方法被使用在热连续滚动过程检测 looper 系统的单个差错和多差错,模拟结果以易感知,精确性和差错察觉的即时性能为差错察觉性能表明这些改进的有效性。 | SHI Huai-Tao LIU Jian-Chang XUE Peng ZHANG Ke WU Yu-Hou ZHANG Li-Xiu TAN Shuai | 2013 | 自动化学报2013，39，9： | 8 |
| 8 | 基于PCA的卷烟制丝过程监测与故障诊断显示文摘针对卷烟制丝过程由于多批次、数据不等长和产品多样性而导致的无法准确监测、诊断故障的问题,提出一种基于主元分析的监测与故障诊断方法。首先,通过制丝过程特性分析,将批次、时间和属性的三维数据按照属性展开成二维数据;其次,采用主元分析方法分别建立3个工段的监测模型,离线计算T2、SPE控制限;然后,分别采集3个工段的运行数据,根据产品牌号调用对应的监测模型在线计算T2、SPE统计量;最后,当任一统计量指标超出控制限时,采用贡献图进行故障诊断。基于实际运行数据的离线验证表明,该方法能够准确检测故障的发生并确定引起故障的原因变量。 | 王伟 赵春晖 | 2017 | 控制工程2017，24，12： | 8 |
| 9 | 基于多块KPCA和SDG的故障诊断方法显示文摘针对大规模复杂工业过程,提出一种基于多块核主元分析(MBKPCA)和符号有向图(SDG)的故障诊断方法.首先,提出基于SDG和优先级的分块策略,以强连接元SCC为最高优先级、多入/出度节点群为次高优先级、节点链为最低优先级对过程进行分块;在此基础上,采用MBKPCA进行过程监控,对于检测到的故障,先确定故障发生在哪一个数据块,再触发SDG在故障块内完成故障定位.所提出方法克服了多块KPCA故障隔离不完全和SDG推理过程中组合爆炸的缺点,可以提高复杂工业过程故障诊断的准确度和速度.基于Tennessee Eastman过程的仿真研究表明了所提出故障诊断方法的有效性. | 王雅琳 何巍 桂卫华 阳春华 | 2013 | 控制与决策2013，28，10： | 7 |
| 10 | 基于局部-整体相关特征的多单元化工过程分层监测显示文摘针对一类多单元化工过程的监测问题,提出基于局部-整体相关特征的分层故障检测与故障定位方法,通过表征单元内部变量相关性、单元与单元间相关性、局部单元与过程整体相关性,对过程运行状态进行判断,以提升过程监测的准确性与可靠性.首先,采用典型相关分析,通过引入邻域单元相关变量提取每个单元的独有特征和外部相关特征;其次,对每个单元的独有特征和所有单元的外部相关特征建立统计模型实现分层故障检测;然后,建立单元-变量分层贡献图,对故障单元以及故障变量实现分层定位.通过在Tennessee Eastman仿真过程和一个实验室级甘油精馏过程中的应用说明所提分层监测方法的有效性. | 姜庆超 颜学峰 | 2020 | 自动化学报2020，46，9： | 6 |
| 11 | 基于动态特性描述的变量加权型分散式故障检测方法显示文摘现代工业生产过程往往具有复杂的动态特性:不同测量变量间会存在不同的时序相关性,且变量间的相互影响会反映在不同的采样时刻上.现有的动态过程监测模型往往不能充分挖掘变量间的动态特性,其故障检测效果也有待进一步提高.在此背景下,本文提出一种基于动态特性描述的变量加权型分散式故障检测方法.利用最大相关最小冗余(Minimal redundancy maximal relevance,mRMR)算法更准确地描述动态过程变量间的相关性关系,并利用该相关性的值对原始增广矩阵进行加权处理,且不同延迟变量对当前测量值的影响大小就通过权值来体现,因此能更加全面地刻画该测量值的动态特性.最后建立一种融合mRMR算法,贝叶斯推理以及动态主成分分析(Dynamic principal componemt amalysis,DPCA)模型的新的分布式建模策略,提高了模型的容错能力和泛化能力,取得了更好的故障检测结果. | 钟凯 韩敏 韩冰 | 2021 | 自动化学报2021，47，9： | 3 |
| 12 | 基于增量式策略强化学习算法的飞行控制系统的容错跟踪控制显示文摘针对发生故障的飞行控制系统,在强化学习算法的基础上,提出了一种基于增量式策略的强化学习容错方法.本方法利用传感器获取的系统状态值,根据系统预先设定的奖励函数对当前控制系统状况做出最优的决策并不断更新价值网络,将系统的容错控制过程转换为强化学习Agent的贯序决策过程,并使用一种改进型的增量式策略实现对当前故障的正确补偿策略的逐渐逼近.同时,针对连续控制系统,提出一种状态转移预测网络来得到下一步状态值.最后,通过南京航空航天大学“先进飞行器导航、控制与健康管理”工信部重点实验室的飞行器故障诊断实验平台验证了该方法的有效性. | 任坚 刘剑慰 杨蒲 | 2020 | 控制理论与应用2020，37，7： | 3 |
| 13 | 一种基于案例推理的动态故障集诊断算法显示文摘针对单纯静态集的故障诊断算法存在诊断准确率低、效率差等缺点,文中提出了一种基于案例推理的动态故障集诊断算法(CBR-DFDA)。CBR-DFDA算法根据故障与症状依赖的不确定性,采用二分贝叶斯网络建立依赖模型,在故障持续时间统计的基础上修正先验故障概率;并引入动态故障集,给出了故障案例的表示、案例属性约简、案例属性权重的分配及相似算法。实验结果表明,CBR-DFDA算法可以有效地针对动态故障集中的故障,改善内存的存储空间,提高诊断效率和准确率。 | 冒志敏 郑洪源 丁秋林 | 2015 | 计算机技术与发展2015，25，5： | 3 |
| 14 | 基于二维主元分析的间歇过程故障诊断显示文摘传统的多向主元分析(MPCA)已广泛应用于监视多变量间歇过程。在MPCA算法中,三维的间歇过程数据需要转换为高维的二维向量,导致计算量和存储空间大,同时不可避免地丢失一些重要信息。因此,提出一种新的基于二维主元分析(2DPCA)的故障诊断方法。由于每个批次的间歇过程数据是一个二维向量(矩阵),应用以各个批次矩阵为分析对象的2DPCA算法,避免矢量化,存储空间和存储需求小;另外,2DPCA采用各个批次的协方差的平均值来进行建模,能够更加准确地反映出不同类型的故障,在一定程度上增强了故障诊断的准确性。半导体工业实例的监视结果说明,2DPCA方法优于MPCA。 | 孔晓光 郭金玉 林爱军 | 2013 | 计算机应用2013，33，2： | 2 |
| 15 | 基于PAM和簇阈值的改进K-Means聚类算法显示文摘为了弥补K-Means算法对孤立点数据敏感的缺陷,提高K-Means算法对包含孤立点数据集的聚类效果,在深入研究K-Means算法的基础上,提出了基于PAM和簇阈值的改进K-Means聚类算法。该算法首先对待聚类数据进行抽样,然后利用PAM算法获取样本数据的聚类中心,以样本数据的聚类中心作为KMeans算法的初始聚类中心。在聚类迭代过程中动态计算各簇阈值,利用簇阈值准确地过滤孤立点数据。实验结果表明,本文提出的算法不仅聚类时间短,而且具有较高的聚类准确率。 | 卜旭松 刘立波 石磊 | 2015 | 湖北工程学院学报2015，35，3： | 2 |
| 16 | 青霉素发酵过程的2DPCA建模及监测显示文摘针对多向主元分析(multi-way principal component analysis,MPCA)算法用于间歇过程实施监控时需要将三维数据转换为高阶的二维矩阵,从而易导致算法的计算量大,且会丢失一些有用信息的情况进行了研究,提出了一种新的间歇过程故障诊断方法——二维主成分分析法(2-dimensional principal component analysis,2DPCA)。该算法首先利用各个批次的二维矩阵构造协方差矩阵,进而求得所有批次协方差矩阵的平均值进行建模,大大降低了计算复杂度,运算时间较MPCA缩短了19/20到3/4,且无须占用太多存储空间;同时,2DPCA计算协方差矩阵较MPCA更为准确,取协方差矩阵的平均值能够更加精确地反映不同类型的故障,在一定程度上增强了故障诊断的准确率。最后,通过将所提出的方法应用于青霉素发酵过程的监控中,验证了该算法的有效性和准确性。 | 梁小凡 熊伟丽 杨薇薇 徐保国 | 2014 | 计算机应用研究2014，31，4： | 1 |
| 17 | 集灵活性和生产率于一体的新型地毯织机显示文摘本文介绍了各种风格和结构的地毯 :割绒地毯 (单剑杆、双剑杆和三剑杆织物结构 )、西沙尔地毯、起圈地毯和割绒起圈地毯。VandeWiele公司为各种机织地毯的生产提供了高产地毯织机 ,另一方面 ,这些织机由于采用了电子设备、新的工作准则和网络而具有了很强的通用性。 | St.Demey 陈廷 李毓陵 | 2000 | 国际纺织导报2000，28，1： | 1 |
| 18 | 基于判别核主元空间k近邻的批次过程监视显示文摘针对批次过程非线性、多模态等特征,提出一种基于判别核主元k近邻(Dis-k PCk NN)的故障检测方法。首先,在核主元分析(k PCA)中,高斯核的窗宽参数依据样本类别标签在类内窗宽和类间窗宽中判别选取,使得核矩阵能有效提取数据的关联特征,保持数据的类别信息;其次,在核主元空间中引用k近邻规则代替传统的T2统计方法,k近邻规则可以有效处理主元空间非线性和多模态等特征的故障检测问题。数值模拟实例和半导体蚀刻工艺过程仿真实验表明:基于判别核主元k近邻方法可以有效地处理具有非线性和多模态结构特征的故障检测问题,提高计算的效率,减少内存的占用,并且故障检测率明显优于传统方法。 | 张成 郭青秀 李元 | 2018 | 计算机应用2018，38，8： | 1 |
| 19 | Adaptive multiblock kernel principal component analysis for monitoring complex industrial processes显示文摘Multiblock kernel principal component analysis (MBKPCA) has been proposed to isolate the faults and avoid the high computation cost. However, MBKPCA is not available for dynamic processes. To solve this problem, recursive MBKPCA is proposed for monitoring large scale processes. In this paper, we present a new recursive MBKPCA (RMBKPCA) algorithm, where the adaptive technique is adopted for dynamic characteristics. The proposed algorithm reduces the high computation cost, and is suitable for online model updating in the feature space. The proposed algorithm was applied to an industrial process for adaptive monitoring and found to efficiently capture the time-varying and nonlinear relationship in the process variables. | Ying-wei ZHANG Yong-dong TENG | 2010 | Journal of Zhejiang University-Science C(Computers and Electronics)2010，11，12： | 1 |
| 20 | 基于集成主成分分析的故障检测方法显示文摘针对核主成分分析(KPCA)和主成分分析(PCA)的一些不足,提出一种基于集成主成分分析的故障检测方法。该方法将PCA与KPCA结合,利用KPCA描述过程的非线性信息并提取核主成分,再利用PCA对原始信息和核主成分一同提取线性主成分,通过构造统计量T2和SPE(或Q)进行故障检测。在TE(Tennessee-Eastman)过程上的仿真研究表明,本文提出的方法较PCA和KPCA有更高的故障检测精度。 | 邹凌伟 田学民 | 2012 | 青岛科技大学学报(自然科学版)2012，33，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员