检索结果-内蒙古大学图书馆

系统工程与电子技术 2010年第3期32卷 660-665页

作者：周欣然滕召胜易钊湖南大学电气与信息工程学院湖南长沙410082 中南大学信息科学与工程学院湖南长沙410075

利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识... 详细信息

利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识方法。该方法利用了三个LSSVM,并将整个建模预测时期分为启动阶段和若干个工作周期。初始阶段末和每个工作周期末选定预测误差和最小的LSSVM,作为后续工作周期的工作LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为后续工作周期的比较LSSVM。该方法设定核参数相对容易,而且核参数具有一定的自动调节能力。数字仿真显示,从统计角度而言,所提方法比传统方法有更好的适应性。

关键词：在线过程辨识时变非线性过程最小二乘支持向量机核参数

来源：评论

学校读者我要写书评

暂无评论

递归核PCA及其在非线性过程自适应监控中的应用

引用

化工学报 2007年第7期58卷 1776-1782页

作者：谢磊王树青浙江大学先进控制研究所工业控制技术国家重点实验室浙江杭州310027

PCA、PLS作为常用的多变量统计监控算法,一般适用于线性、定常的过程。针对实际工业过程的时变、非线性特性,提出了一种递归核PCA(RKPCA)方法用于非线性过程的自适应监控。RKPCA算法通过将递归奇异值分解推广到核空间,给出了核形式描述... 详细信息

PCA、PLS作为常用的多变量统计监控算法,一般适用于线性、定常的过程。针对实际工业过程的时变、非线性特性,提出了一种递归核PCA(RKPCA)方法用于非线性过程的自适应监控。RKPCA算法通过将递归奇异值分解推广到核空间,给出了核形式描述的递归KPCA算法,运算复杂度比KPCA明显降低,保证非线性监控模型能够在线更新。在Alstom工业燃气发生装置上的自适应监控表明,所提出的RKPCA算法能够及时跟踪非线性过程的时变特征,保证了监控模型的有效性。

关键词：时变非线性过程故障检测递归核主元分析自适应监控

来源：评论

学校读者我要写书评

暂无评论

基于无偏置项LSSVM的稳健在线过程建模方法

引用

模式识别与人工智能 2010年第6期23卷 885-892页

作者：周欣然滕召胜蒋星军湖南大学电气与信息工程学院长沙410082 中南大学信息科学与工程学院长沙410075 湖南广播电视大学计算机系长沙410004

针对直接利用最小二乘支持向量机(LSSVM)对动态过程在线建模时预测精度易受过程输出测量值上的粗大误差和噪声影响的问题,在分析样本序列结构特征和噪声作用特征基础上,提出一种基于无偏置项LSSVM的稳健在线过程建模方法.该方法在每一... 详细信息

针对直接利用最小二乘支持向量机(LSSVM)对动态过程在线建模时预测精度易受过程输出测量值上的粗大误差和噪声影响的问题,在分析样本序列结构特征和噪声作用特征基础上,提出一种基于无偏置项LSSVM的稳健在线过程建模方法.该方法在每一预测周期中根据预测误差与设定阈值之间的关系来识别和恢复异常测量值、识别和修正含噪声测量值,从而降低样本中的噪声,使得出的LSSVM较好地跟踪过程的动态特性.这种在线过程建模方法具有稳健性,能减少输出值上粗大误差和高斯白噪声对LSSVM预测精度的影响,提高预测精度.数字仿真显示该方法的有效性和优越性.

关键词：在线过程建模时变非线性过程粗大误差最小二乘支持向量机(LSSVM)

来源：评论

学校读者我要写书评

暂无评论

无偏LSSVM的抗噪在线过程建模方法

引用

计算机工程与应用 2010年第30期46卷 226-229页

作者：周欣然滕召胜蒋星军湖南大学电气与信息工程学院长沙410082 中南大学信息科学与工程学院长沙410075 湖南广播电视大学信息技术系长沙410075

当动态过程的输出含有测量噪声时,直接用最小二乘支持向量机(LSSVM)对过程建模预测效果较差,为了提高LSSVM模型的预测精度,提出了一种基于无偏LSSVM的抗噪在线过程建模方法。该方法在每一预测步期间对过程输出测量值进行误差判断,若输... 详细信息

当动态过程的输出含有测量噪声时,直接用最小二乘支持向量机(LSSVM)对过程建模预测效果较差,为了提高LSSVM模型的预测精度,提出了一种基于无偏LSSVM的抗噪在线过程建模方法。该方法在每一预测步期间对过程输出测量值进行误差判断,若输出测量值与预测值相差较大,就对测量值予以修正,然后用修正值构成样本在线建模,从而减少噪声影响。数字仿真显示,当过程输出测量值混有高斯白噪声时,该文方法比直接LSSVM和现有的加权LSSVM的预测精度要高。

关键词：在线过程建模抗噪时变非线性过程最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于核主元分析的动态过程监测

基于核主元分析的动态过程监测

引用

作者：滕永懂东北大学

学位级别：硕士

在工业过程监控中,尽可能早的检测到过程的异常变化和降低误报率是十分必要的。多元统计过程控制作为新兴的过程监控方法,已被广泛地应用于解决这些问题。在这些方法中,主元分析由于简单可行得到了广泛应用。然而,主元分析应用于工业过... 详细信息

在工业过程监控中,尽可能早的检测到过程的异常变化和降低误报率是十分必要的。多元统计过程控制作为新兴的过程监控方法,已被广泛地应用于解决这些问题。在这些方法中,主元分析由于简单可行得到了广泛应用。然而,主元分析应用于工业过程监控时,由于其本身性能的限制,会出现很多问题。因此,许多学者针对一些问题提出了改进方法,扩大了主元分析在工业过程控制领域的应用范围。例如,核主元分析,递归主元分析和一致主元分析等。本文在前人工作的基础上,开展了关于这些主元分析方法的研究,主要研究工作如下： (1)用传统核主元分析建立的过程统计模型是时不变的,而大部分实际工业过程却具有慢时变的特性。当用静态KPCA模型监控动态变化过程时,误报警问题会时常发生,这将大大降低KPCA的可靠性。针对这一情况,本文提出了一种基于核空间中递归奇异值分解的递归核主元分析(RKPCA)方法。RKPCA通过递归计算训练数据协方差的特征值和特征向量对模型进行更新。利用此方法进行的过程监控的仿真结果表明,该方法不仅能大大降低误报警,还提高了故障检测的准确性。 (2)随着大型工业过程变得越来越复杂,产生的问题是对大量的变量将会变得很难解释。一致核主元分析(CKPCA)以分散化的方式实现了对过程的监控,提高了对多变量模型的解释能力同时降低了其复杂性。然而,由于实际工业过程中慢时变的影响,CKPCA所建立的监控模型不能适应动态过程运行状况,由此可能出现误报问题。针对这一情况,给出了一种CKPCA与RKPCA相结合的方法,用CKPCA建立过程统计模型后再用RKPCA递归更新CKPCA模型。将此方法运用于仿真实例故障检测中,取得了较好的检测效果,证明了该方法的有效性和可行性。

关键词：时变非线性过程故障检测递归核主元分析递归一致核主元分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：