期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到77篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种基于核熵和人工免疫的网络异常检测方法 被引量：4
1
作者 罗娅 陈文 《西南师范大学学报（自然科学版）》 CAS 北大核心 2016年第6期119-124,共6页
针对网络样本数据复杂且维数较高,导致异常检测模型容易遭受维数灾难这一问题,本文将核熵成分分析法应用到基于人工免疫的网络异常检测中,与传统的多元统计分析方法相比,核熵成分分析可以保证数据降维过程的信息熵损失更少,从而保留了... 针对网络样本数据复杂且维数较高,导致异常检测模型容易遭受维数灾难这一问题,本文将核熵成分分析法应用到基于人工免疫的网络异常检测中,与传统的多元统计分析方法相比,核熵成分分析可以保证数据降维过程的信息熵损失更少,从而保留了更多有用的分类信息.基于降维后的数据,本文采用实值否定选择算法训练人工免疫检测器对网络异常样本进行检测.在入侵检测标准数据集KDD Cup99上进行了对比实验,实验结果表明,基于核熵成分分析的异常检测准确率从87.1%提高到了98.9%,有效地改进了网络异常检测的性能. 展开更多
关键词 核熵 人工免疫系统 网络安全 异常检测
下载PDF
基于EEMD-KECA的风电机组滚动轴承故障诊断 被引量：22
2
作者 齐咏生 张二宁 +2 位作者 高胜利 王林 高学金 《太阳能学报》 EI CAS CSCD 北大核心 2017年第7期1943-1951,共9页
针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计... 针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计算IMF能量和信号的能量熵构建复合特征向量并作为KECA的输入,之后建立KECA非线性分类器并引入一种新的监测统计量——散度测度统计量,实现故障的实时监测与自动诊断。采用KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,且不同特征信息之间呈现出显著的角度差异,易于分类。最后通过实际风电机组滚动轴承应用实例对算法进行验证,结果表明该方法可有效提取信号中的故障特征,实现对滚动轴承的故障诊断,相比神经网络分类方法具有更高的识别率。 展开更多
关键词 故障诊断 聚合经验模态分解 核熵成分分析 能量熵 滚动轴承
下载PDF
基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估 被引量：17
3
作者 景彤梅 齐咏生 +2 位作者 刘利强 高学金 李永亭 《太阳能学报》 EI CAS CSCD 北大核心 2021年第6期400-408,共9页
为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在... 为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在故障预测阶段,将KECA算法提取的主元数据作为GRNN模型输入,建立KECA-GRNN预测模型,并采用预测残差的变化趋势定义报警限,实现故障的早期预警。在健康评估阶段,将多变量预测残差进行融合,增强评估的可靠性。最后,将该方法应用于某风场一台1.5 WM风电机组在故障前近2个月的部分SCADA数据中,结果表明可提前2周获知齿轮箱发生异常,实现了对风电机组齿轮箱健康状态的准确评估。 展开更多
关键词 风电机组 SCADA系统 状态监测 神经网络 核熵成分分析(KECA) 健康评估
下载PDF
基于核熵成分分析的模拟电路早期故障诊断方法 被引量：16
4
作者 张朝龙 何怡刚 +2 位作者 袁莉芬 王金平 佐磊 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第3期675-684,共10页
针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选... 针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选和降维后的特征应用最小二乘支持向量机多类分类器进行区分,其中用于识别重叠故障类别的最小二乘支持向量机的参数由量子粒子群算法优化选择。仿真结果表明,本文提出的核熵成分分析方法能较好地获取故障响应信号的本质特征,并表现出了比其他特征提取方法更好的性能,有助于提高模拟电路早期故障的诊断正确率。 展开更多
关键词 模拟电路 早期故障诊断 小波分形分析 核熵成分分析 最小二乘支持向量机 量子粒子群算法
下载PDF
基于核熵成分分析的流式数据自动分群方法 被引量：13
5
作者 董明利 马闪闪 +1 位作者 张帆 潘志康 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期206-211,共6页
针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-me... 针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-means算法的分类器,并采用一种基于向量夹角的最佳聚类数确定方法,最终获得细胞的分类标签。对实验获得的淋巴细胞免疫表型分析数据进行处理,结果表明,该方法能够实现细胞的快速、自动分群,整体分群准确率能够达到97%以上,操作简单便捷,提高了细胞分析的效率。 展开更多
关键词 流式细胞术 自动分群 核熵成分分析 K-MEANS算法 余弦相似度
下载PDF
基于LNS-DEWKECA算法的多模态工业过程故障检测 被引量：12
6
作者 顾幸生 周冰倩 《控制与决策》 EI CSCD 北大核心 2020年第8期1879-1886,共8页
受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故... 受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故障检测算法.利用LNS实现多模态数据的标准化,相比于全局标准化,LNS可以有效消除多模态特性;考虑到故障样本与正常样本在变化趋势上的差异,定义样本变化方向的信息熵为方向熵,用来衡量样本变化方向的无序程度,从而利用DEWKECA实现数据降维,可以更有效提取数据变化方向特征;考虑到多模态数据往往服从非高斯分布,采用局部离群因子(LOF)算法建立监控统计量,根据核密度估计确定其控制限.最后,通过数值例子及TE过程仿真验证所提出算法的有效性. 展开更多
关键词 多模态 故障检测 局部近邻标准化 方向熵 核熵成分分析 局部离群因子
原文传递
监督自适应核熵成分分析特征提取的电力变压器故障诊断 被引量：11
7
作者 彭丽维 张彼德 +1 位作者 孔令瑜 梅婷 《高压电器》 CAS CSCD 北大核心 2020年第6期249-255,261,共8页
核熵成分分析(kernel entropy component analysis,KECA)方法在处理非线性数据集,去除冗余信息方面具有独特的优势。针对电力变压器故障诊断中有效特征提取困难,KECA中核参数选择繁琐以及忽略了样本类别信息等问题,文中提出一种自适应... 核熵成分分析(kernel entropy component analysis,KECA)方法在处理非线性数据集,去除冗余信息方面具有独特的优势。针对电力变压器故障诊断中有效特征提取困难,KECA中核参数选择繁琐以及忽略了样本类别信息等问题,文中提出一种自适应核函数优化学习的监督核熵成分分析特征提取方法,用于电力变压器敏感特征量的提取。首先收集电力变压器不同状态下的样本数据,并结合样本类别信息建立一个依赖数据的核函数;其次基于余弦相似度以最小化类间相似度和最大化类内相似度为目标对核函数中表征样本类别信息的参数进行优化;然后将优化得到的核函数与核熵成分分析相结合形成一种监督的自适应核熵成分分析(supervised adaptive kernel entropy component analysis,SAKECA)特征提取方法,并运用该方法从原始特征量中提取出能有效表征电力变压器状态的敏感特征;最后将提取的特征输入核极限学习机(KELM)建立变压器故障诊断模型。与常用特征提取方法进行对比分析,结果表明所提方法具有良好的特征提取效果,能有效提升故障诊断准确率。 展开更多
关键词 电力变压器 特征提取 故障诊断 监督学习 核熵成分分析
下载PDF
基于时频特征核熵成分分析的局部放电模式识别方法 被引量：11
8
作者 李思同 庄强 +3 位作者 金琳 卢兴旺 匡荣 赵静 《高压电器》 CAS CSCD 北大核心 2018年第6期125-131,共7页
为实现电气设备局部放电模式的准确识别,提出了一种基于时频特征核熵成分分析的局部放电模式识别方法。首先采用S变换理论对局部放电脉冲信号进行时频特征分析,针对S变换分析结果维数庞大但冗余信息较多而不便于模式识别的缺点,基于核... 为实现电气设备局部放电模式的准确识别,提出了一种基于时频特征核熵成分分析的局部放电模式识别方法。首先采用S变换理论对局部放电脉冲信号进行时频特征分析,针对S变换分析结果维数庞大但冗余信息较多而不便于模式识别的缺点,基于核熵成分分析方法对S变换结果进行压缩降维处理,得到了局部放电模式识别时频特征向量,同时结合随机森林分类器实现了局部放电类型的准确识别。搭建了尖端放电、沿面放电、气泡放电、悬浮放电等典型变压器绝缘缺陷模型并采集了局部放电信号,分别采用文中方法、PCA方法及KPCA方法进行了局放模式识别实验。实验结果表明,相比PCA方法及KPCA方法,文中方法局放模式识别结果准确率较高且耗时较短。 展开更多
关键词 局部放电 时频特征 S变换 核熵成分分析 模式识别
下载PDF
基于MKECA的非高斯性和非线性共存的间歇过程监测 被引量：9
9
作者 常鹏 乔俊飞 +2 位作者 王普 高学金 李征 《化工学报》 EI CAS CSCD 北大核心 2018年第3期1200-1206,共7页
多向核独立成分分析(multiway kernel independent component analysis,MKICA)在监测间歇过程非高斯性和非线性方面取得了广泛应用,其仅仅是将线性独立成分分析(independent component analysis,ICA)方法利用核主成分分析(kernel princi... 多向核独立成分分析(multiway kernel independent component analysis,MKICA)在监测间歇过程非高斯性和非线性方面取得了广泛应用,其仅仅是将线性独立成分分析(independent component analysis,ICA)方法利用核主成分分析(kernel principal component analysis,KPCA)白化扩展到非线性领域,但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足,为解决此问题,采用核熵成分分析(kernel entropy component analysis,KECA)代替KPCA白化的过程监测方法。该方法首先利用AT展开方法将过程三维数据变为二维数据;其次用KECA进行白化处理的同时解决数据的非线性;然后建立ICA监测模型用于非高斯生产过程监测;最后将该方法应用到青霉素发酵仿真和实际的工业过程并与MKICA方法进行对比,验证该方法的有效性。 展开更多
关键词 间歇过程 多向核独立成分分析 多向核熵成分分析 多向核熵独立成分分析
下载PDF
基于MSPCA-KECA的冷水机组故障监测及诊断 被引量：10
10
作者 齐咏生 张海利 +2 位作者 王林 高学金 陆晨曦 《化工学报》 EI CAS CSCD 北大核心 2017年第4期1499-1508,共10页
针对冷水机组同类型不同等级故障的变量变化存在差异会造成误诊断的问题,提出一种基于多尺度主元分析-核熵成分分析(MSPCA-KECA)的故障诊断策略。MSPCA提取故障特征,其输出作为KECA分类器的输入,实现故障的实时监测与自动诊断。首先,改... 针对冷水机组同类型不同等级故障的变量变化存在差异会造成误诊断的问题,提出一种基于多尺度主元分析-核熵成分分析(MSPCA-KECA)的故障诊断策略。MSPCA提取故障特征,其输出作为KECA分类器的输入,实现故障的实时监测与自动诊断。首先,改进的MSPCA算法通过将小波多尺度分析与主元分析相结合,筛选故障信息可能存在的尺度直接重构并采用PCA提取故障特征,获取不同类型故障之间差异的同时也保留了同类型但不同等级故障之间的相似性,提高故障诊断的可靠性。之后建立KECA非线性分类器并引入一种新的监测统计量——散度测度统计量,使降维后不同特征信息之间呈现显著的角度差异,易于分类。最后,采用支持向量数据描述(SVDD)算法确定新统计量的控制限,以克服无法获知统计量分布的问题。通过对冷水机组数据的仿真研究,验证了MSPCA-KECA方法的可行性及有效性。 展开更多
关键词 故障诊断 多尺度主元分析 核熵成分分析 冷水机组
下载PDF
基于角结构统计量的MKECA间歇过程故障监测 被引量：9
11
作者 王普 李春蕾 +2 位作者 高学金 常鹏 齐咏生 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期174-180,共7页
针对间歇过程复杂非线性的特点,提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理,然后采用KECA提取间歇过程数据的主成分矩阵。研究表明,经过KECA投影后的主成分数据具... 针对间歇过程复杂非线性的特点,提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理,然后采用KECA提取间歇过程数据的主成分矩阵。研究表明,经过KECA投影后的主成分数据具有良好的角结构,因此利用主成分矩阵构造基于角结构的统计量,并且采用核密度估计算法计算其控制限。与传统的统计量相比,无需假设过程变量服从高斯分布。最后通过青霉素发酵的仿真平台和大肠杆菌实际生产过程验证,实验结果表明,相比于传统MKPCA方法,能够有效利用主成分的结构信息,明显降低了故障的误报率、漏报率。 展开更多
关键词 核熵成分分析 角结构统计量 核密度估计 故障监测
下载PDF
基于KECA的非线性工业过程故障检测与诊断新方法 被引量：9
12
作者 邓明月 刘建昌 +2 位作者 许鹏 谭树彬 商亮亮 《化工学报》 EI CAS CSCD 北大核心 2020年第5期2151-2163,共13页
提出了一种基于核熵成分分析(kernel entropy component analysis,KECA)的非线性过程故障检测与诊断新方法。该方法首先利用KECA获取过程数据的得分向量及非线性特征子空间;然后鉴于KECA可以以角结构的方式揭示数据中潜在的集群结构,设... 提出了一种基于核熵成分分析(kernel entropy component analysis,KECA)的非线性过程故障检测与诊断新方法。该方法首先利用KECA获取过程数据的得分向量及非线性特征子空间;然后鉴于KECA可以以角结构的方式揭示数据中潜在的集群结构,设计了基于角度的监测指标VoA。该指标通过各得分向量之间的角度方差来描述变换后数据间的结构差异,并根据角度方差的变化情况实现故障检测;接着,为了在检测到故障后有效地进行故障识别,构建了KECA相似度因子来度量特征子空间的相似程度以识别故障模式;最后,以非线性数值案例及Tennessee Eastman过程进行仿真测试研究,结果验证了所提方法的可行性及有效性。 展开更多
关键词 故障检测与诊断 核熵成分分析 VoA监测指标 过程控制 相似度因子 模型 安全
下载PDF
基于核熵成分分析的数据降维 被引量：8
13
作者 黄丽瑾 施俊 钟瑾 《计算机工程》 CAS CSCD 2012年第2期175-177,共3页
针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类,以验证算法有效性。实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少... 针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类,以验证算法有效性。实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少后续的处理复杂度和运行时间,适用于机器学习、模式识别等领域。 展开更多
关键词 降维 核熵成分分析 核主成分分析 支持向量机
下载PDF
基于上下文信息和核熵成分分析的目标分类算法 被引量：7
14
作者 潘泓 朱亚平 +1 位作者 夏思宇 金立左 《电子学报》 EI CAS CSCD 北大核心 2016年第3期580-586,共7页
结合图像属性上下文信息和核熵成分分析,构造了一种新颖的基于下上文信息的局部特征描述子——上下文核描述子(Context Kernel Descriptors,CKD).上下文信息的引入提高了CKD特征的鲁棒性,减少了特征误匹配.核熵成分分析从全维CKD特征分... 结合图像属性上下文信息和核熵成分分析,构造了一种新颖的基于下上文信息的局部特征描述子——上下文核描述子(Context Kernel Descriptors,CKD).上下文信息的引入提高了CKD特征的鲁棒性,减少了特征误匹配.核熵成分分析从全维CKD特征分量中选出最能代表目标几何结构信息的特征分量,将其投影到这些特征分量张成的子空间上可得到降维CKD特征.在Caltech-101和CIFAR-10的测试结果表明,CKD的分类性能不仅明显优于其它局部特征描述子,还优于多数基于稀疏表示和深度学习等复杂模型的目标分类算法. 展开更多
关键词 上下文核描述子 核熵成分分析 特征降维 目标分类
下载PDF
基于多向核熵成分分析的微生物发酵过程多阶段划分及故障监测 被引量：7
15
作者 常鹏 王普 高学金 《高校化学工程学报》 EI CAS CSCD 北大核心 2015年第3期650-656,共7页
针对多向核主元分析法(MKPCA)在监控动态非线性和多模态间歇生产过程故障的不足,提出一种基于物理信息熵的多阶段多向核熵成分分析(multiple sub-stage multi-way kernel entropy component analysis,MSMKECA)的新方法用于故障监控。该... 针对多向核主元分析法(MKPCA)在监控动态非线性和多模态间歇生产过程故障的不足,提出一种基于物理信息熵的多阶段多向核熵成分分析(multiple sub-stage multi-way kernel entropy component analysis,MSMKECA)的新方法用于故障监控。该方法首先通过核映射将数据从低维空间映射到高维特征空间;其次在高维特征空间依据熵结构信息计算每个时刻数据矩阵的相似度指标进行阶段划分,将间歇过程划分为各稳定阶段和各过渡阶段,并在过渡阶段用时变的协方差代替固定协方差;最后在划分的阶段里分别建立模型进行间歇过程监测解决间歇过程的动态非线性和多阶段特性;将所提出的算法应用于青霉素发酵仿真系统的在线监测,验证了该方法的有效性。 展开更多
关键词 间歇过程 多向核主元分析 多向核熵成分分析 阶段划分 故障监测
下载PDF
基于核熵投影技术的微生物制药生产过程监测 被引量：7
16
作者 常鹏 王普 高学金 《信息与控制》 CSCD 北大核心 2014年第4期490-494,共5页
针对微生物制药的间歇生产过程中缓变故障难于监测的问题,提出了多向核熵成分分析(multi-way kernel entropy component analysis,MKECA)过程监测的新方法,克服了传统多向核主成分分析(multi-way kernel principal component analysis,M... 针对微生物制药的间歇生产过程中缓变故障难于监测的问题,提出了多向核熵成分分析(multi-way kernel entropy component analysis,MKECA)过程监测的新方法,克服了传统多向核主成分分析(multi-way kernel principal component analysis,MKPCA)方法在监控缓变故障时漏报率高的缺陷.该方法首先将3维历史数据按照本文所提的3步法进行预处理,然后通过核映射将数据从低维空间映射到高维特征空间,解决数据的非线性特性,并在高维特征空间依据核熵的大小对数据进行降维,使降维后的数据分布与原点成一定的角度,能够逼近原始间歇过程的数据分布.通过数值实例和实际工厂数据对方法进行验证.结果表明,MKECA方法具有更可靠的监控性能,能及时、准确地监测出故障,具有广阔的应用前景. 展开更多
关键词 核熵成分分析 过程监测 间歇过程
原文传递
基于KECA+FDA的白酒电子鼻多特征鉴别方法 被引量：7
17
作者 殷勇 申晓鹏 于慧春 《农业机械学报》 EI CAS CSCD 北大核心 2018年第4期374-380,共7页
在引入基于核熵成分分析(KECA)的Fisher判别分析(FDA)方法的基础上,探究了用特征组合表征电子鼻信号时6种白酒的鉴别效果。首先,通过5种单一特征的FDA鉴别分析,筛选出积分值(INV)、相对稳态平均值(AVRS)、小波能量(WEV)3种较优特征,然... 在引入基于核熵成分分析(KECA)的Fisher判别分析(FDA)方法的基础上,探究了用特征组合表征电子鼻信号时6种白酒的鉴别效果。首先,通过5种单一特征的FDA鉴别分析,筛选出积分值(INV)、相对稳态平均值(AVRS)、小波能量(WEV)3种较优特征,然后通过它们的不同组合鉴别6种白酒,鉴别结果表明,多特征组合优于单特征,且三特征组合时的鉴别正确率最高。最后,在用INV、AVRS、WEV 3种特征值组合表征电子鼻信号的前提下,深入研究了KECA+FDA方法鉴别6种白酒的效果。当选取径向基函数(RBF)作为核函数后,采用基于矩阵最佳相似性的方法优化确定RBF核参数为16.860 8时,三特征组合下测试集的鉴别正确率由FDA的79.92%提高到KECA+FDA的100%。与BP神经网络和支持向量机的鉴别结果对比,KECA+FDA方法更具优势。这说明运用KECA+FDA方法可有效提高电子鼻对6种白酒的鉴别能力。 展开更多
关键词 白酒 电子鼻 核熵成分分析 FISHER判别分析 多特征鉴别
下载PDF
在线压缩KECA的自适应算法在故障检测中的应用 被引量：6
18
作者 郭金玉 李文涛 李元 《化工学报》 EI CAS CSCD 北大核心 2021年第8期4227-4238,共12页
在复杂的大规模工业过程系统中,实时过程监视、优化计算时间和降低运行内存是实现最终产品质量的最关键和最具挑战性的任务,提出一种在线压缩核熵成分分析(online reduced kernel entropy component analysis,ORKECA)的自适应故障检测... 在复杂的大规模工业过程系统中,实时过程监视、优化计算时间和降低运行内存是实现最终产品质量的最关键和最具挑战性的任务,提出一种在线压缩核熵成分分析(online reduced kernel entropy component analysis,ORKECA)的自适应故障检测算法。首先计算训练样本的核矩阵,根据保留的特征值与特征向量选择有代表性的观测值,构造一个符合全局数据信息特征的压缩集,计算监测统计数据的平方预测误差(squared prediction error,SPE),并利用核密度估计确定控制限。对于在线实时采集的数据,计算该数据的统计量并与压缩集的控制限比较,根据过程状态分析核熵成分分析(kernel entropy component analysis,KECA)模型是否需要进行更新,可以有效提高实时监测过程数据的性能。最后,以一个非线性数值案例及TE过程数据对该方法进行仿真数值分析。结果表明,所提的方法具有有效的可行性。 展开更多
关键词 优化 故障检测 核熵成分分析 自适应算法 核密度估计 模型 数值分析
下载PDF
基于核熵成分分析的电梯故障识别方法研究 被引量：5
19
作者 金林彩 张珍 +1 位作者 邵锡余 王晓舜 《自动化与仪器仪表》 2022年第10期115-119,共5页
电梯作为复杂且重要的城市运输工具,对其故障类型检测判别一直是市场监管部门的重点关注对象。提出一种基于核熵成分分析(KECA)的电梯故障识别和判断方法,KECA具有较好的非线性处理能力及聚类能力,适用于电梯不同类型故障数据的降维聚... 电梯作为复杂且重要的城市运输工具,对其故障类型检测判别一直是市场监管部门的重点关注对象。提出一种基于核熵成分分析(KECA)的电梯故障识别和判断方法,KECA具有较好的非线性处理能力及聚类能力,适用于电梯不同类型故障数据的降维聚类分析。通过KECA将采集的钢丝绳滑移量、安全钳的提拉力、限速器的转速、抱闸拉力、上下行电流、上下行速度等电梯特征数据进行降维和聚类分析,通过计算样本与各聚类中心的距离,从而来判断电梯的故障类型。通过实验数据分析,证明KECA模型对电梯故障的诊断具有很好的正确率,可以作为电梯运行过程风险识别的重要参考。 展开更多
关键词 电梯 核熵成分分析 故障诊断 聚类分析
原文传递
基于核熵成分分析的油中溶解气体浓度预测 被引量：5
20
作者 江风云 唐勇波 《控制工程》 CSCD 北大核心 2020年第8期1419-1424,共6页
针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间... 针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间重构;最后采用Renyi熵信息测度确定KECA核参数,用KECA对重构相空间提取核熵成分作为支持向量机(Support Vector Machine,SVM)的输入,建立变压器油中溶解气体浓度预测模型。用本文方法、单变量时间序列方法、多元变量时间序列方法测试60例样本,本文方法具有最小的均方根误差,为0.1607。实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 展开更多
关键词 变压器 油中溶解气体 核熵成分分析 RENYI熵 预测
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部