导读:本文包含了自适应主元分析论文开题报告文献综述及选题提纲参考文献，主要关键词:故障诊断,主元分析,动态主元分析,核方法
自适应主元分析论文文献综述
王路[1]（2016）在《基于改进动态主元分析的自适应故障诊断方法研究》一文中研究指出随着当今社会科学技术的快速发展,现代工业生产过程中的生产设备和系统也越来越复杂。复杂生产过程的装置一旦发生故障,查找故障来源将是很复杂的一个过程。因此研究和开发能够满足现代工业故障诊断性能要求的新理论和新方法已经成为了现阶段最迫切的问题。作为故障诊断方面的一个重要的研究分支,以多元统计方法为基础的故障诊断技术是具有很强的实用性。本文从基于主元分析的故障诊断方法出发,针对实际工业过程中获取数据具有动态性、非线性和统计模型不能及时更新等问题,对工业过程故障诊断方法进行了深入的探索与研究。本文主要工作和研究成果如下:首先,介绍了现代工业过程故障诊断技术的基本知识及故障诊断性能评价指标,课题的国内外研究情况,以及常用的几种故障诊断方法;其次,研究了主元分析故障诊断方法,动态主元分析法(DPCA)的主要算法及基于DPCA的故障诊断方法,通过田纳西-伊斯曼(TE)过程的仿真实验,证明了动态主元分析法可以更有效地提取信息,对系统产生的故障进行检测与诊断。再次,针对实际工业过程中数据的非线性特性,研究了基于动态核主元分析(DKPCA)的故障诊断方法。该方法建立在核理论的学习基础上,结合了动态主元分析法和核函数的方法。并针对核矩阵计算较为复杂的问题,采用特征矢量提取法(FVS)对DKPCA优化,通过在高维空间选取尽量少的特征样本来描述整个样本集,使它们的分布的特征保证基本致,进而保证主元模型的基本一致。改进后的核矩阵计算时间大大减少,极大的降低了计算的复杂度。最后,针对传统DPCA算法不能实时更新监控模型的问题,结合移动窗主元分析(MWPCA)算法,提出了基于自适应DKPCA的故障诊断方法。算法的思想是运用一个随着时间不断向后移动的固定长度窗口来扩充每次新采集的采样数据,同时剔除对应的旧数据,这样保证整个窗体的长度和内部的数据量不改变,从而更新统计模型。并且这个方法引入的算法思想是RPCA,即递推主元分析,它将自相关矩阵的递推公式进行简化,使动态模型的在线实时更新速率变得更快。通过对TE过程仿真验证了算法的有效性。(本文来源于《东北大学》期刊2016-12-01）
文莹,闫雅慧[2]（2016）在《基于自适应核主元分析的航空发动机异常监测》一文中研究指出针对航空发动机工作参数时变特性导致虚警率高的问题,采用自适应策略改进核主元分析模型进行异常监测。给出核主元分析异常监测框架,先用标准化的正常数据离线建模,后对实时数据计算统计量进行在线监测;为适应监测数据的时变特性,采用移动窗口自适应模型改进框架,利用实时采集的正常数据不断更新模型和监测数据。以航空发动机异常监测仿真实验进行验证。仿真结果表明:该方法能有效适应工作参数的变化,具有较高的故障检测率和较低的虚警率。(本文来源于《兵工自动化》期刊2016年08期）
官威[3]（2016）在《自适应主元分析的线性时变结构工作模态参数在线识别》一文中研究指出线性时变结构的工作模态参数识别在振动控制和故障诊断等领域具有重要的理论意义和工程应用价值。本文基于线性时变结构的“时间冻结”和“瞬态”表示,提出了自适应主元分析的线性时变结构工作模态参数在线识别方法,并进行了理论推导和数值仿真验证。主要工作如下:(1)从基本主成分分析(PCA)算法出发,建立其与线性时不变结构位移响应的模态坐标表示之间的对应关系,阐述了基于PCA工作模态参数识别方法各参数物理意义及适用条件,通过数值仿真验证了该方法在线性时不变结构工作模态参数识别中的效果。(2)基于“短时时不变”思想,将基于PCA的线性时不变结构工作模态参数识别方法与滑动窗技术结合,提出了滑动窗主元分析的线性时变结构工作模态参数识别方法。在选取合适大小的数据窗后,该方法能有效识别线性时变结构的瞬态模态频率和模态振型。在此基础上,将该方法与自相关矩阵递推、特征值特征向量递推技术相结合,分别提出滑动窗自相关矩阵在线递推和滑动窗特征值特征向量在线递推的主元分析算法。通过理论分析和数值仿真验证,基于滑动窗特征值特征向量递推的主元分析算法较滑动窗自相关矩阵递推的主元分析算法具有更低的时间复杂度、空间复杂度和数值稳定性。(3)基于“遗忘因子加权”思想,将基于PCA的线性时不变结构工作模态参数识别方法与“加权遗忘技术”结合,提出带遗忘因子加权的主元分析的线性时变结构工作模态参数识别方法。在选取合适大小的遗忘因子后,该方法能有效识别线性时变结构的瞬态模态频率和模态振型。在此基础上,将该方法与自相关矩阵递推、特征值特征向量递推技术相结合,分别提出带遗忘因子加权的自相关矩阵在线递推和带遗忘因子加权的特征值特征向量在线递推主元分析算法。通过理论分析和数值仿真验证,基于带遗忘因子加权的特征值特征向量递推主元分析算法较带遗忘因子加权的自相关矩阵递推主元分析算法具有更低的时间复杂度、空间复杂度和数值稳定性。(本文来源于《华侨大学》期刊2016-06-01）
王天真,倪孟骐,吴昊,汤天浩[4]（2016）在《基于自适应控制限的纵向标准化主元分析故障检测策略》一文中研究指出为有效地解决在非稳定工况时信号具有非高斯分布及突变特点的故障检测问题,针对周期非稳定工况提出一种基于自适应控制限的纵向标准化主元分析故障检测策略.该策略主要包含两部分:一是将非高斯数据转换成高斯数据;二是构建自适应控制限,解决信号突变问题.仿真结果验证了该策略对周期非稳定工况故障检测的可行性和有效性.(本文来源于《上海海事大学学报》期刊2016年01期）
刘康玲,金鑫,费正顺,梁军[5]（2015）在《基于自适应分块主元分析模型的提高故障检测与分离（英文）》一文中研究指出In chemical process, a large number of measured and manipulated variables are highly correlated. Principal component analysis(PCA) is widely applied as a dimension reduction technique for capturing strong correlation underlying in the process measurements. However, it is difficult for PCA based fault detection results to be interpreted physically and to provide support for isolation. Some approaches incorporating process knowledge are developed, but the information is always shortage and deficient in practice. Therefore, this work proposes an adaptive partitioning PCA algorithm entirely based on operation data. The process feature space is partitioned into several sub-feature spaces. Constructed sub-block models can not only reflect the local behavior of process change, namely to grasp the intrinsic local information underlying the process changes, but also improve the fault detection and isolation through the combination of local fault detection results and reduction of smearing effect.The method is demonstrated in TE process, and the results show that the new method is much better in fault detection and isolation compared to conventional PCA method.(本文来源于《Chinese Journal of Chemical Engineering》期刊2015年06期）
朱喜华,李颖晖,刘聪,李宁,张鹏[6]（2014）在《基于自适应核主元分析的EHA系统传感器故障检测》一文中研究指出针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。(本文来源于《推进技术》期刊2014年06期）
赵小强,杨武,薛永飞[7]（2013）在《可变窗自适应核主元分析的化工过程故障诊断算法》一文中研究指出针对核主元分析法(KPCA)处理非线性时变化工过程故障诊断易产生误报的问题,提出一种基于可变窗技术的快速自适应核主元分析(AKPCA)故障诊断算法.该算法在过程监控中当大量的数据块来临时,分别对KPCA模型进行迭代更新和复旧处理,通过计算SPE和T~2统计量来调节滑动窗的尺寸,从而实现KPCA模型的进一步更新,克服了传统的自适应KPCA方法只能够处理某个时刻的一个观察点数据的缺点,能够有效地排除异常样本影响,从而提高时变过程性能检测的准确性.将该方法应用于酮苯脱蜡过程的监控中.与KPCA、滑动窗KPCA(MWKP-CA)的监测性能进行比较,仿真结果表明该方法能够很好地降低过程故障的误报率,对非线性时变的化工过程具有更可靠的检测性能.(本文来源于《2013年中国智能自动化学术会议论文集（第叁分册）》期刊2013-08-24）
赵小强,杨武,薛永飞[8]（2013）在《可变窗自适应核主元分析的化工过程故障诊断算法》一文中研究指出针对核主元分析法(KPCA)处理非线性时变化工过程故障诊断易产生误报的问题,提出一种基于可变窗技术的快速自适应核主元分析(AKPCA)故障诊断算法.该算法在过程监控中当大量的数据块来临时,分别对KPCA模型进行迭代更新和复旧处理,通过计算SPE和T2统计量来调节滑动窗的尺寸,从而实现KPCA模型的进一步更新,克服了传统的自适应KPCA方法只能够处理某个时刻的一个观察点数据的缺点,能够有效地排除异常样本影响,从而提高时变过程性能检测的准确性.将该方法应用于酮苯脱蜡过程的监控中.与KPCA、滑动窗KPCA(MWKP-CA)的监测性能进行比较,仿真结果表明该方法能够很好地降低过程故障的误报率,对非线性时变的化工过程具有更可靠的检测性能.(本文来源于《东南大学学报(自然科学版)》期刊2013年S1期）
周奇才,黄克,赵炯,熊晓磊[9]（2012）在《一种基于改进型自适应滑动窗算法的主元分析》一文中研究指出针对工业过程时变的特点,基于自适应滑动窗的主元分析算法由于能依据采集数据时时更新模型,因此能有效提高建模精度和诊断准确度。但是该算法的实现基于两个假设:(1)假定用于更新模型的数据是正常稳定过程中采集而得。(2)假定采集数据时序无关。由于算法没有辨识功能,极容易用携带故障信息的数据来更新系统模型,后果可想而知。据此本文提出计算相对变化量用于区分数据正常与否。实践证明大部分工业过程存在时序相关性,而滑动窗算法属于常规静态建模,因此应该考虑动态主元分析。综上,本文提出动态主元分析的关键参数——时滞参数z来计算和改进自适应滑动窗算法。最后经过仿真测试验证了辨识算法的有效性。(本文来源于《华东理工大学学报(自然科学版)》期刊2012年03期）
李龙[10]（2011）在《基于动态主元分析的自适应故障诊断方法研究》一文中研究指出在钢铁冶金、石油炼制、化工、电力、热能等高成本费用、高安全等级的工业过程,随着人们对过程的高效性、产品的高质量和自动控制系统的集成化有着越来越高的要求,过程监测、故障检测和诊断等领域在其中起到了十分重要的作用。这些领域一般被称作为故障检测和分离(FDI)或故障检测和诊断(FDD),也简称为故障诊断。本文从基于数据驱动的故障诊断方法出发,主要研究了动态主元分析(DPCA)算法离线和在线的自适应故障诊断过程,本文的主要工作和贡献如下：(1)阐述了故障诊断的研究现状,并从定性分析和定量分析角度研究了故障诊断方法的分类,其中着重研究了DPCA算法理论及其发展过程。详细总结分析了工业过程数据动态性(数据的自相关性)产生的原因及其影响；(2)研究了多维小波去噪算法和自适应主元分析算法,包括递推主元分析(RPCA))算法、滑动窗主元分析(MWPCA)算法和指数加权主元分析(EWPCA)算法。(3)提出了一种基于小波去噪和DPCA相结合的故障诊断方法。该方法利用小波去噪算法对构建的动态增广矩阵数据进行处理,提高了动态PCA算法的计算效率。通过分别对田纳西-伊斯曼过程(Tennessee Eastman Process,TEP)的典型故障和轧钢过程的断带故障的仿真研究,验证了提出方法的有效性。(4)结合MWPCA算法,提出了一种基于DPCA的自适应故障诊断方法。该方法引入了递推主元分析(RPCA)算法思想,给出了简化的自相关矩阵的递推公式,将原来需要进行4次秩1更新的步骤简化为了2次秩1更新,可使在线实时速率提高近一倍。加快了动态模型在线实时更新的速率并节约了硬件存储空间。通过对TEP数据的仿真研究,验证了提出算法的有效性。(本文来源于《东北大学》期刊2011-06-01）
自适应主元分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对航空发动机工作参数时变特性导致虚警率高的问题,采用自适应策略改进核主元分析模型进行异常监测。给出核主元分析异常监测框架,先用标准化的正常数据离线建模,后对实时数据计算统计量进行在线监测;为适应监测数据的时变特性,采用移动窗口自适应模型改进框架,利用实时采集的正常数据不断更新模型和监测数据。以航空发动机异常监测仿真实验进行验证。仿真结果表明:该方法能有效适应工作参数的变化,具有较高的故障检测率和较低的虚警率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应主元分析论文参考文献
[1].王路.基于改进动态主元分析的自适应故障诊断方法研究[D].东北大学.2016
[2].文莹,闫雅慧.基于自适应核主元分析的航空发动机异常监测[J].兵工自动化.2016
[3].官威.自适应主元分析的线性时变结构工作模态参数在线识别[D].华侨大学.2016
[4].王天真,倪孟骐,吴昊,汤天浩.基于自适应控制限的纵向标准化主元分析故障检测策略[J].上海海事大学学报.2016
[5].刘康玲,金鑫,费正顺,梁军.基于自适应分块主元分析模型的提高故障检测与分离（英文）[J].ChineseJournalofChemicalEngineering.2015
[6].朱喜华,李颖晖,刘聪,李宁,张鹏.基于自适应核主元分析的EHA系统传感器故障检测[J].推进技术.2014
[7].赵小强,杨武,薛永飞.可变窗自适应核主元分析的化工过程故障诊断算法[C].2013年中国智能自动化学术会议论文集（第叁分册）.2013
[8].赵小强,杨武,薛永飞.可变窗自适应核主元分析的化工过程故障诊断算法[J].东南大学学报(自然科学版).2013
[9].周奇才,黄克,赵炯,熊晓磊.一种基于改进型自适应滑动窗算法的主元分析[J].华东理工大学学报(自然科学版).2012
[10].李龙.基于动态主元分析的自适应故障诊断方法研究[D].东北大学.2011