导读:本文包含了核独立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:制浆造纸废水处理过程,故障检测,主成分分析,独立元分析
核独立元分析论文文献综述
杨冲,宋留,刘鸿斌[1]（2019）在《基于独立元分析的制浆造纸废水处理过程故障检测》一文中研究指出为及时、准确地做出故障诊断,本课题采用独立元分析(ICA)和主成分分析(PCA)两种常用的多元统计分析方法对制浆造纸废水处理过程中的传感器故障进行检测并对诊断效果进行对比。结果表明,对于制浆造纸废水数据中偏移和漂移两种故障,ICA模型的故障检测率分别为24%与54%,PCA模型的故障检测率分别为14%和42%,ICA模型的两种故障检测率均高于PCA模型,但是两种模型均无法达到满意的检测效果;对于完全失效故障,ICA和PCA模型的故障检测率均达到100%。(本文来源于《中国造纸学报》期刊2019年01期）
肖忠宝[2]（2017）在《基于多尺度核独立元分析与核极限学习机的柴油机故障诊断》一文中研究指出为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混迭,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。(本文来源于《车用发动机》期刊2017年06期）
王普,辛娇娇,高学金,张楠华[3]（2017）在《基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法》一文中研究指出冷水机组作为复杂系统,其变量间相关性严重,并且故障时的症状和原因具有多样性,导致了冷水机组的故障诊断较为困难.为了降低数据冗余性,提高故障诊断效率,提出一种基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法.首先,运用独立元分析法提取冷水机组变量的独立元信息;然后,将提取的独立元信息作为最小二乘支持向量机的输入值进行故障类型的识别.利用北京某高校的地铁车站通风空调实训平台的实验数据验证该模型的故障诊断性能,并与传统的冷水机组故障诊断方法进行对比.比较结果证明基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法优于传统方法.这表明该方法可以有效提取数据的高阶统计信息,提高故障诊断的效率.(本文来源于《北京工业大学学报》期刊2017年11期）
董哲,刘文娟[4]（2017）在《基于改进的动态核独立成分分析的故障监测》一文中研究指出随着现代工业自动化设备中计算机技术与传感器技术的快速发展和广泛应用,基于数据驱动的故障诊断方法也获得了进一步的发展。由于实际工业过程数据的非高斯性、非线性和时序性,为了解决工业过程出现的这一问题,提出一种基于改进的动态核独立成分分析方法。首先,通过对自回归模型中测量矩阵引入时滞参数得到一个适用于动态系统的增广矩阵;然后,选择核函数,计算核矩阵,将增广矩阵映射到高维空间进行白化;最后,利用改进的快速ICA方法提取出独立成分实现对新的测试数据进行在线监测。实验结果表明,该方法具有不错的效果。(本文来源于《工业控制计算机》期刊2017年10期）
刘敏,李志宁,张英堂,范红波,詹超[5]（2017）在《基于多尺度核独立成分分析的柴油机故障诊断》一文中研究指出为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混迭,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。(本文来源于《振动.测试与诊断》期刊2017年05期）
张晓亚,唐东成,倪元相[6]（2017）在《基于稀疏核独立元分析的过程工业故障诊断》一文中研究指出目前复杂流程过程工业故障诊断难度加剧,对稀疏核独立元分析故障诊断方法进行了研究。该方法首先对流程工业过程数据以增量式样本基的构造方法提取样本基,并以此样本基建立核独立元分析检测模型,在检测到有故障发生后,再通过贡献度识别出故障的来源达到故障诊断的目的。另外,为了进一步验证SKICA在过程工业故障诊断的有效性和实用性,使用Tennessee Eastman(TE)过程的相关数据进行仿真研究。(本文来源于《仪表技术》期刊2017年06期）
钟娜[7]（2017）在《基于局部学习策略的改进独立元分析方法及其在多工况过程监控中的应用》一文中研究指出随着科学技术和社会生产力的发展,现代工业日趋大型化和复杂化,对系统安全性与可靠性的要求也越来越高。工业计算机系统记录了大量的工业过程数据,为基于数据驱动的故障诊断方法提供了研究基础。本文针对流程工业过程存在的多工况特点,以局部学习策略为框架,研究基于改进独立元分析(Independent Component Analysis,ICA)的多工况过程故障诊断方法。本文的主要研究工作如下:首先,针对多工况工业过程故障诊断问题,提出一种基于6)最近邻标准化的独立元分析(6)Nearest Neighbor ICA,KNNICA)方法。该方法在6)最近邻域内对多工况数据进行标准化,消除数据的多工况差异,并针对单一工况数据建立ICA模型检测过程故障。在连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)和田纳斯-伊斯曼(Tennessee Eastman,TE)多工况过程上的仿真结果显示,KNNICA能够有效地检测多工况过程故障。然后,针对多工况过程监控中的统计信息提取问题,提出两种改进的独立元分析方法:局部熵独立元分析(Local Entropy ICA,LEICA)和局部统计量独立元分析(Local Statistics ICA,LSICA)两种方法。LEICA将局部学习策略引入信息熵理论,利用局部概率密度估计方法来消除操作数据的多工况差异,并通过计算过程数据的局部信息熵,提取过程的统计特征信息。统计模式分析(Statistics Pattern Analysis,SPA)也是一种有效的统计信息提取手段,LSICA将局部概率密度估计与SPA结合处理多工况过程数据,在局部统计量空间建立ICA成分统计模型监测过程运行状态。在TE和CSTR过程上的仿真结果证明,与传统ICA方法和KNNICA方法相比,LEICA和LSICA具有更好的过程监控性能。最后,针对包含过渡工况的多工况过程故障监控问题,提出一种基于加权距离空间的独立元分析(Weighted Distance Space ICA,WDSICA)方法。该方法采用滑动窗技术对多工况过程进行分割,将数据从原始变量空间映射到加权距离变量空间,消除包含过渡工况在内的多工况差异;利用ICA方法在距离变量空间建立成分统计模型,构造监控统计量检测过程故障。最后利用一个基于CSTR多工况系统的监控案例来验证方法的有效性。(本文来源于《中国石油大学(华东)》期刊2017-05-01）
杨泽宇,王培良[8]（2017）在《基于核独立成分分析和支持向量数据描述的非线性系统故障检测方法》一文中研究指出复杂工业过程数据通常具有非高斯性和强非线性特征,为此提出了一种基于核独立成分分析和支持向量数据描述(KICA-SVDD)的非高斯非线性系统的故障检测方法.该方法首先运用核独立成分分析方法对数据进行特征提取,然后通过引入支持向量数据描述对独立主元成分进行建模,并计算相应的统计量及控制限,实现非高斯非线性系统下的故障检测.最后在Tennessee-Eastman(TE)过程上进行了仿真实验,结果表明所提出的方法降低了故障错分比例和漏检比例,验证了其可行性和有效性.(本文来源于《信息与控制》期刊2017年02期）
杨泽宇[9]（2017）在《基于核独立成分分析的复杂系统故障检测与分类研究》一文中研究指出为了确保生产过程中的产品质量和安全性,复杂工业过程监测和故障诊断已成为过程控制领域的研究热点。由于基于数据驱动的方法研究不需过程的精确解析模型,所需的先验知识也较少,只需根据过程数据分别对正常工况和故障工况建立对应的模型即可,因此相比于基于解析模型和基于知识的方法,此方法更适用于现代复杂工业过程中的故障诊断。目前针对单一数据特性的故障诊断研究比较多,比如非线性过程、非高斯过程和动态过程等,但是针对多种数据特性并存的研究比较少,特别如非高斯非线性过程等。由于大多数的复杂工业过程往往都具有非线性和非高斯特性,故对非线性非高斯复杂过程的故障检测与诊断问题进行研究具有非常重要的理论和工程意义。本文针对实际工业过程存在的该类问题开展故障诊断研究,并结合最新研究成果,研究并提出了若干方法。传统的基于主成分分析(PCA)的故障诊断需假设过程变量满足高斯分布,且只能用于线性处理。而实际复杂工业过程数据往往具有强非线性和非高斯性特征。虽然独立成分分析(ICA)能针对非高斯分布的数据进行故障诊断,但是处理复杂的非线性过程的效果较差。因此,引入核技术,采用核独立成分分析(KICA)进行故障诊断已成为处理该类问题的有效方法。将此方法应用于故障诊断实验,验证了KICA方法较KPCA和ICA方法检测效果更好,更适合处理实际复杂工业过程的非线性、非高斯等特点的数据。针对复杂工业过程数据通常具有的强非线性和非高斯特性,为进一步提高检测效果,结合支持向量数据描述(SVDD)对数据分布没有要求的特点,提出了一种将核独立成分分析算法和支持向量数据描述算法相结合的复杂系统故障检测方法。该方法首先运用KICA方法对过程数据进行独立成分提取,然后通过引入SVDD对主导独立成分进行建模,并计算相应的统计量及控制限对非线性非高斯系统下的故障进行检测。在TE过程上进行仿真实验分析,并与KICA和SVDD方法比较,结果表明所提出的方法降低了故障错分率和漏检率,验证了其可行性和有效性。针对KICA方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆迭稀疏自动编码器(SSAE)与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成分,然后通过SSAE和softmax分类器所构成的完整SSAE分类算法建立模型,该模型采用非监督逐层贪婪训练算法初始化网络权重,并使用有限内存拟牛顿(L-BFGS)算法进行反向微调各参数,最后将过程数据输入到该训练好的模型,实现故障分类。实际过程的实验结果表明,KICA-SSAE算法的故障平均分类精度较高,表现出良好的分类效果。(本文来源于《杭州电子科技大学》期刊2017-03-01）
陈作聪[10]（2017）在《基于核独立成分分析和聚类中值的水下传感器故障诊断》一文中研究指出水下传感器所处环境的开放性以及其长期处于无人值守状态,极易收到环境作用而发生破坏,传统分簇式的分布式故障诊断方法无法有效对其进行故障诊断,因此,提出了一种基于核主成分分析和聚类中值的故障诊断方法;首先,设计了水下传感器节点故障诊断的模型,然后采用核主成分分析方法对节点采集的数据和来自邻居节点发送的数据进行数据降维,得到具有最小属性集的数据集,然后对节点的邻居节点集进行聚类,选出具有最多元素的聚类,并将聚类的中值作为参考数据,将各节点与其对应的参考数据进行比较从而确定节点是否发生故障,最后定义了基于核独立成分分析和聚类中值的传感器节点故障诊断算法;仿真实验证明了文中方法能有效地对水下传感器进行故障诊断,且与其它方法相比,具有误差检测率高和误检率低的优点。(本文来源于《计算机测量与控制》期刊2017年02期）
核独立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：
为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混迭,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。
（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。
核独立元分析论文参考文献
[1].杨冲,宋留,刘鸿斌.基于独立元分析的制浆造纸废水处理过程故障检测[J].中国造纸学报.2019
[2].肖忠宝.基于多尺度核独立元分析与核极限学习机的柴油机故障诊断[J].车用发动机.2017
[3].王普,辛娇娇,高学金,张楠华.基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法[J].北京工业大学学报.2017
[4].董哲,刘文娟.基于改进的动态核独立成分分析的故障监测[J].工业控制计算机.2017
[5].刘敏,李志宁,张英堂,范红波,詹超.基于多尺度核独立成分分析的柴油机故障诊断[J].振动.测试与诊断.2017
[6].张晓亚,唐东成,倪元相.基于稀疏核独立元分析的过程工业故障诊断[J].仪表技术.2017
[7].钟娜.基于局部学习策略的改进独立元分析方法及其在多工况过程监控中的应用[D].中国石油大学(华东).2017
[8].杨泽宇,王培良.基于核独立成分分析和支持向量数据描述的非线性系统故障检测方法[J].信息与控制.2017
[9].杨泽宇.基于核独立成分分析的复杂系统故障检测与分类研究[D].杭州电子科技大学.2017
[10].陈作聪.基于核独立成分分析和聚类中值的水下传感器故障诊断[J].计算机测量与控制.2017
标签：制浆造纸废水处理过程; 故障检测; 主成分分析; 独立元分析;