导读:本文包含了权故障检测算法论文开题报告文献综述及选题提纲参考文献，主要关键词:多模态,K均值聚类,局部离群因子算法,TE过程
权故障检测算法论文文献综述
李元,耿泽伟[1]（2019）在《基于K均值聚类与局部离群因子算法的故障检测研究》一文中研究指出针对化工生产过程的多工况、数据多模态问题,提出一种基于K均值聚类的局部离群因子故障检测方法。首先利用K均值聚类算法对多模态工业数据进行聚类,将各个模态的数据分离出来,然后运用局部离群因子算法在各个模态下单独建立模型,并且确定各个模态下的局部离群因子控制限。检测时首先判断样本属于哪一类,然后在相应类别下求取局部离群因子值并与此类别下的控制限进行比较,确定是否为故障数据。将此方法运用到TE过程的多模态数据中,并且将此方法与单独应用局部离群因子算法做故障检测对比,结果表明:所提算法可以大幅提高故障的检测率。(本文来源于《化工自动化及仪表》期刊2019年10期）
王宇[2]（2019）在《基于非线性状态估计的长时延丢包网络故障检测算法》一文中研究指出由于传统故障检测技术缺少状态评估机制,造成检测误差较大,提出了基于非线性状态估计的长时延丢包网络故障检测技术可降低检测误差.根据检测原理,设计非线性网络故障状态估计流程,以此构建长时延故障状态评估机制,根据评估结果分析长时延信号特征;设定合理分析规则,构建丢包故障状态评估机制,结合服从伯努利分布信息,分析丢包信号特征.根据信号特征分析结果完成对故障的检测.由实验结果可知,该技术检测误差最低达到0.1,能够满足实际误差指标约束条件.(本文来源于《微电子学与计算机》期刊2019年10期）
何涛,黄敏超,胡小平,邹琪[3]（2019）在《某火箭发动机故障检测及诊断算法设计分析》一文中研究指出针对某型号液体火箭发动机故障检测及诊断软件存在瞬态段(起动段、关机段)故障检测功能缺失、故障诊断无法给出故障量大小的问题,在原软件故障诊断算法——余弦相似度分类的基础上,通过引入故障因子zm_i定量给出故障量大小,实现发动机故障诊断的定性定量分析。同时,采用基于统计学基础的包络线算法,通过Python语言对发动机瞬态段故障检测算法进行设计开发,使原软件实现发动机瞬态段故障检测功能。通过仿真试车数据对软件算法进行验证,结果表明优化后的故障诊断功能可实现故障量大小计算,基于包络线算法开发的故障检测功能提高了发动机故障检测效率。(本文来源于《南京航空航天大学学报》期刊2019年S1期）
徐静,王振雷,王昕[4]（2019）在《基于动态全局局部保留投影算法的化工过程故障检测》一文中研究指出本文提出了一种新的基于动态全局局部保留投影(dynamic global-local preserving projections,DGLPP)算法和支持数据向量描述(support vector data description, SVDD)的故障检测方法。利用原始数据构造扩展矩阵来处理工业过程中的动态过程,GLPP用于降低过程数据的维数,它结合了局部保留预测(LPP)和主成分分析(PCA)的优点,同时保持了数据的全局和局部信息,利用降维后的数据建立SVDD模型监控。通过田纳西伊斯曼(TE)过程对所提出的算法进行测试,并与其他算法进行了比较。测试结果表明DGLPP-SVDD算法的有效性和优越性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
李学渊,张起,胡海瑞,杨柯,何英龙[5]（2019）在《基于KPCA算法的环网柜故障检测方法》一文中研究指出为保证供电系统的安全运行,针对智能电网中环网柜故障检测模型精度低,泛化性差的问题,提出了一种基于KPCA算法的环网柜故障检测建模方法。该方法通过核函数实现非线性变换,建立核主元模型提取环网柜系统的非线性冗余信息,从而将输入空间中复杂的非线性问题转化为特征空间中的线性问题。将构建的KPCA模型应用于环网柜故障检测,将原始数据空间划分为特征空间和残差空间,分别构造Q统计量和T~2统计量进行监控,实现环网柜的故障报警。经过对正常数据和故障数据的仿真实验结果表明,该KPCA算法在准确检测故障的前提下,能够有效降低模型的故障误报率,改善了环网柜故障检测效果。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
周冰倩,顾幸生[6]（2019）在《基于ESMMP算法的工业过程故障检测》一文中研究指出针对多流形投影(MMP)算法忽略数据高阶统计量信息的问题,将统计量模式分析(SPA)引入到MMP算法中,考虑到单一的SPA模型难以适用于所有的故障,故提出集成统计量多流形投影算法。首先选取一系列不同的窗宽参数,利用SPA分别构建原始数据的一系列统计量空间;然后采用MMP算法在各统计量空间中进行数据降维和特征提取,并构造监控统计量,利用贝叶斯策略将监控统计量转换为故障概率;最后通过集成学习方法组合各子模型的检测结果,根据综合结果判断工业过程是否发生故障。数值例子和TE过程仿真结果验证了所提算法在工业过程故障检测方面的有效性和优越性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
刘俊辰,唐文秀,金剑桥,吴俊英[7]（2019）在《基于改进SVDD算法的升降机轴承故障检测研究》一文中研究指出为解决升降机轴承故障数据不易收集导致的数据不均衡问题,提出一种基于改进支持向量描述算法即带负类样本的支持向量数据描述算法(SVDD-NE)的升降机轴承故障检测分类方法。该方法在支持向量描述算法(SVDD)的基础上加入新的惩罚因子,考虑所有的训练样本集,使得超球面能很好地将所有的正类样本包围起来,同时拒绝负类样本,让球面达到最小状态。将SVDD-NE算法与SVDD算法用于升降机轴承数据故障检测实验中,结果表明:SVDD-NE算法适合处理不均衡小样本数据分类问题,且该算法的检测分类准确率较SVDD算法有显着提高。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年07期）
刘晓舟[8]（2019）在《无线传感器网络故障检测算法的研究》一文中研究指出无线传感器网络(Wireless Sensor Network,WSN)是一种无线数据采集网络,它由专门部署在特定工作环境下的大量的,可移动的或可静止的传感器节点通过自组织、分布式的组成形式协作地进行数据采集、分析、整合、上报等工作,并具有自组织、放置灵活、移动性强和扩展简便等特点,通常应用于恶劣、危险的环境中,执行数据的采集等任务。大部分的传感器网络环境中,并不将节点与节点间的传输可靠性置为首要目标,而是将相关数据传输的可靠性置为第一位。大量的资源受限节点包含于传感器网络中,节点间的信息传输通过多跳通信来完成,正因为这些特性导致了网络中节点发生的故障概率要高于传统网络,因此需要建立传感器节点的故障检测机制。本文从现有的无线传感器网络故障检测算法着手,并结合现代无线传感器通信网络特性、分簇思想进行研究,提出一种基于SVR预测、构造传感器节点偏差等级模型、以及节点偏差等级更新机制的无线传感器网络故障检测算法。面对大规模无线传感器网络环境采用分簇思想对网络进行划分。在分簇过程中,采用一种改进的LEACH分簇算法,引入能量模型对分簇网络的性能进行描述,使分簇更加均匀,均衡节点能耗,降低网络整体能耗。成员节点在本地执行SVR预测算法,根据预测出的数据计算节点的偏差等级,处于不同偏差等级的成员节点以不同频率向簇头发送预测样本数据的信息,而簇头根据发送过来的数据按照存储的偏差数据集设置的标准进行故障检测并判别节点故障。同时,在预测模型中对核函数的选取进行了仿真分析,基于簇头节点的偏差数据集反馈机制对节点的偏差等级实时更新。仿真结果说明,本文所研究的基于SVR预测的故障检测算法在不同规模的无线传感器网络环境下的故障检测效果、故障检测率、检测精度、检测能耗方面均能保持优异的性能。图 [51] 表 [8](本文来源于《安徽理工大学》期刊2019-06-13）
杨先辉[9]（2019）在《基于SDN架构的控制层故障检测及恢复算法研究》一文中研究指出软件定义网络(Softerware Defined Network,SDN)通过将网络设备中的控制功能抽象出来形成控制层,让网络成为一种可以灵活调配的资源。这种转控分离的SDN架构有效降低网络管理的复杂性,并为网络提供强大的可编程性,满足不同网络用户对网络资源的需求。早期整个SDN中仅部署一台控制器管控全网,现阶段随着网络规模的不断扩大,网络环境变得越来越复杂,整个网络完全依赖于一台控制器难以保障网络的可靠性。为解决单控制器架构带来的性能瓶颈、单点故障和可扩展性等问题,基于多控制器架构的SDN应运而生。多控制器架构在提升网络性能的同时,也为控制层的故障检测与恢复提供了良好的基础。本文主要针对SDN控制层的故障检测和恢复进行相关研究。在SDN控制层的故障检测方面,现有控制器故障检测算法多采用固定超时值的方式进行故障检测,固定超时值的设置非常困难,其大小将直接影响故障检测算法的检测性能。因此,本文设计了一种自适应故障检测算法,该算法基于检测响应时延与控制器CPU利用率动态调整检测时延。最后通过仿真将本文所设计算法与灰度预测算法、指数移动平均算法的预测效果进行比较,结果表明本文所设计算法预测准确率明显高于其它对比算法。在控制层故障恢复方面,将故障域内的交换机迁移至幸存控制器控制域内是实现控制层故障恢复的有效方式。现有基于交换机迁移机制的控制层故障恢复算法中交换机迁移方式粗放,目标控制器的选取多仅以交换机-控制器时延或目标控制器负载作为衡量指标,容易导致目标控制器选取僵化,难以保证控制层故障恢复后具有良好的综合性能。因此,本文设计了一种基于交换机迁移的目标控制器选取算法,综合考量交换机-控制器时延、控制器负载和链路故障率多种指标选取目标控制器。最后将本文所设计算法与Survivor算法、PPF算法在交换机-控制器时延,控制器负载和链路故障率方面进行比较,结果表明本文所设计算法在维持链路故障率和交换机-控制器时延一定的条件下,有效平衡了目标控制器之间的负载,整体性能优于其它对比算法。(本文来源于《重庆邮电大学》期刊2019-06-02）
许伯强,郑泽慧[10]（2019）在《基于Duffing系统与APES算法的DFIG定子匝间故障检测新方法》一文中研究指出简要介绍了Duffing振子信号检测和幅度相位估计(APES)算法的原理,提出将Duffing振子信号检测与APES算法相结合的双馈感应风力发电机(DFIG)定子匝间故障检测新方法。利用Duffing振子参数敏感性及对背景噪声的强免疫性,根据相轨迹图变化判断是否存在待测故障特征,在此基础上结合APES算法确定故障特征的振幅,弥补了Duffing振子无法提供准确幅值的不足。仿真结果证明了所提方法的实用性和有效性。(本文来源于《电力自动化设备》期刊2019年05期）
权故障检测算法论文开题报告
（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：
由于传统故障检测技术缺少状态评估机制,造成检测误差较大,提出了基于非线性状态估计的长时延丢包网络故障检测技术可降低检测误差.根据检测原理,设计非线性网络故障状态估计流程,以此构建长时延故障状态评估机制,根据评估结果分析长时延信号特征;设定合理分析规则,构建丢包故障状态评估机制,结合服从伯努利分布信息,分析丢包信号特征.根据信号特征分析结果完成对故障的检测.由实验结果可知,该技术检测误差最低达到0.1,能够满足实际误差指标约束条件.
（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。
权故障检测算法论文参考文献
[1].李元,耿泽伟.基于K均值聚类与局部离群因子算法的故障检测研究[J].化工自动化及仪表.2019
[2].王宇.基于非线性状态估计的长时延丢包网络故障检测算法[J].微电子学与计算机.2019
[3].何涛,黄敏超,胡小平,邹琪.某火箭发动机故障检测及诊断算法设计分析[J].南京航空航天大学学报.2019
[4].徐静,王振雷,王昕.基于动态全局局部保留投影算法的化工过程故障检测[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[5].李学渊,张起,胡海瑞,杨柯,何英龙.基于KPCA算法的环网柜故障检测方法[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[6].周冰倩,顾幸生.基于ESMMP算法的工业过程故障检测[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[7].刘俊辰,唐文秀,金剑桥,吴俊英.基于改进SVDD算法的升降机轴承故障检测研究[J].重庆理工大学学报(自然科学).2019
[8].刘晓舟.无线传感器网络故障检测算法的研究[D].安徽理工大学.2019
[9].杨先辉.基于SDN架构的控制层故障检测及恢复算法研究[D].重庆邮电大学.2019
[10].许伯强,郑泽慧.基于Duffing系统与APES算法的DFIG定子匝间故障检测新方法[J].电力自动化设备.2019