-
题名基于滑动窗口的PCA与SVDD方法研究与应用
- 1
-
-
作者
贾冬妮
谢彦红
赵欣
郑馨怡
-
机构
沈阳化工大学
-
出处
《江苏科技信息》
2017年第8期59-60,共2页
-
文摘
文章分析了主元分析法和支持向量数据描述方法的基本原理,提出了将PCA和SVDD方法同滑动窗口模型相结合的研究思路。通过采用适当大小的滑动窗口逐步更新当前子数据空间,分别建立PCA和SVDD子模型,从而实现在线实时故障监测。文章通过对比基于滑动窗口的PCA和SVDD发现,基于滑动窗口的SVDD有更好的监测效果。数值仿真验证了该方法的有效性。
-
关键词
过程监测
滑动窗口
主元分析
支持向量数据描述
数值仿真
-
Keywords
process monitoring
sliding window
principal component analysis
support vector data description
numerical simulation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名PCA与SVDD方法在过程故障监测中的应用研究
- 2
-
-
作者
贾冬妮
谢彦红
赵欣
郑馨怡
-
机构
沈阳化工大学
-
出处
《无线互联科技》
2017年第4期137-138,共2页
-
文摘
首先研究主元分析方法,该方法对于高维空间尤其是高维空间中的非高斯、非线性数据,无法进行较为理想的监测。针对PCA方法的缺点,文章研究了支持向量数据描述方法,该方法没有数据服从高斯分布的限制。最后文章分别对PCA方法及SVDD算法进行数值仿真实验,比较可知SVDD方法有更好的监测效果。
-
关键词
故障监测
数据驱动
主元分析
支持向量数据描述
-
Keywords
fault monitoring
data driven
principal component analysis
support vector data description
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
