提出一种改进的基于数据块更新的递归主元分析(recursive principal component analysis,RPCA)方法,对具有慢时变和多变量等特性的某型舰空导弹武器雷达发射机工作过程进行自适应监测。该方法在协方差矩阵的特征值分解中引入低秩奇异值...提出一种改进的基于数据块更新的递归主元分析(recursive principal component analysis,RPCA)方法,对具有慢时变和多变量等特性的某型舰空导弹武器雷达发射机工作过程进行自适应监测。该方法在协方差矩阵的特征值分解中引入低秩奇异值分解递归方法,实现负荷矩阵和特征值矩阵的递归计算;制定了均值、方差的更新策略;给出一种基于指数加权的控制限递归算法以提高RPCA的健壮性。实验证明该方法能自适应地跟踪过程时变并实时监测故障,同时有效地降低误警率。展开更多
针对现有监测方法对时变过程易产生误警且对微弱故障的检测能力不足等问题,提出一种基于可变遗忘因子的改进递归主元分析(recursive principal component analysis,RPCA)方法用于自适应故障监测。在主元模型的在线更新中引入一种可变遗...针对现有监测方法对时变过程易产生误警且对微弱故障的检测能力不足等问题,提出一种基于可变遗忘因子的改进递归主元分析(recursive principal component analysis,RPCA)方法用于自适应故障监测。在主元模型的在线更新中引入一种可变遗忘因子,并为不同的模型参数设置不同的遗忘因子;在相关矩阵的递归分解中引入部分奇异值分解的思想,递归计算负荷矩阵和特征值对角矩阵;提出一种控制限递归更新方法,实现控制限的自适应更新。对某型雷达发射机工作过程的监测结果表明,改进的RPCA方法能自适应地跟踪过程的时变,有效地减少了对正常工况调整的误警和对微弱故障的漏报。展开更多
文摘提出一种改进的基于数据块更新的递归主元分析(recursive principal component analysis,RPCA)方法,对具有慢时变和多变量等特性的某型舰空导弹武器雷达发射机工作过程进行自适应监测。该方法在协方差矩阵的特征值分解中引入低秩奇异值分解递归方法,实现负荷矩阵和特征值矩阵的递归计算;制定了均值、方差的更新策略;给出一种基于指数加权的控制限递归算法以提高RPCA的健壮性。实验证明该方法能自适应地跟踪过程时变并实时监测故障,同时有效地降低误警率。
基金Project(62125306)supported by the National Science Fund for Distinguished Young Scholars,ChinaProject(2022A1515240003)supported by the Guangdong Basic and Applied Basic Research Foundation,China。
文摘针对现有监测方法对时变过程易产生误警且对微弱故障的检测能力不足等问题,提出一种基于可变遗忘因子的改进递归主元分析(recursive principal component analysis,RPCA)方法用于自适应故障监测。在主元模型的在线更新中引入一种可变遗忘因子,并为不同的模型参数设置不同的遗忘因子;在相关矩阵的递归分解中引入部分奇异值分解的思想,递归计算负荷矩阵和特征值对角矩阵;提出一种控制限递归更新方法,实现控制限的自适应更新。对某型雷达发射机工作过程的监测结果表明,改进的RPCA方法能自适应地跟踪过程的时变,有效地减少了对正常工况调整的误警和对微弱故障的漏报。
