-
题名基于子时段MPCA-SVM的间歇过程在线故障诊断
被引量：4
- 1
-
-
作者
高学金
薛攀娜
齐咏生
王普
-
机构
北京工业大学电子信息与控制工程学院
数字社区教育部工程研究中心
城市轨道交通北京实验室
计算机智能与智能系统北京市重点实验室
内蒙古工业大学电力学院
-
出处
《计算机与应用化学》
CAS
2016年第4期465-471,共7页
-
基金
国家自然科学基金资助项目(61174109
61364009)
-
文摘
针对基于支持向量机(Support Vector Machine,SVM)的间歇过程故障诊断准确率低的问题,结合间歇过程的时段特性,提出了一种基于子时段MPCA-SVM的间歇过程在线故障诊断方法。首先,利用多向主成分分析(Multi-way principal component analysis,MPCA)提取出间歇过程正常运行状态下的每个采样点的主成分,将相邻的且具有相同主成分个数的采样点归到同一粗划分时段内,再在每一个粗时段内利用相邻采样点的负载矩阵的角度信息作为相似性判据来细化分时段;其次,对每个时段建立MPCA在线过程监测模型,同时,利用MPCA提取每个时段内各个类型故障的特征,并用特征数据建立SVM故障诊断模型;最后,MPCA监测模型实施监测功能,当检测到故障时,相应时段的SVM故障诊断模型进行诊断。将该方法应用于青霉素发酵过程仿真平台进行验证,该方法相比于不分时段的SVM的故障诊断方法,平均可提高故障诊断准确率11%,实验结果表明了该方法的有效性和可行性。
-
关键词
间歇过程
多向主成分分析
支持向量机
过程监测
故障诊断
-
Keywords
batch processes
multi-way principal component analysis
support vector machine
process monitor
fault diagnosis
-
分类号
TP306.3
[自动化与计算机技术—计算机系统结构]
-
-
题名基于局部亮度直方图的自适应视频帧类型决策算法
- 2
-
-
作者
刘鹏宇
张悦
贾克斌
段堃
刘畅
孙萱
崔腾鹤
-
机构
北京工业大学信息学部
先进信息网络北京实验室
计算机智能与智能系统北京市重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第1期300-307,共8页
-
基金
国家重点研发计划(2018YFF01010100)
北京自然科学基金(4212001)
青海省重点研发与转化计划(2022-QY-205)。
-
文摘
视频帧类型决策是影响视频编码效率的关键因素之一。为提升x265视频编码器的编码性能,该文提出基于局部亮度直方图的自适应视频帧类型决策算法。首先,在64×64大小的编码树单元(CTU)级别上统计各帧局部亮度直方图,用帧间局部亮度直方图差异表征帧间场景变换程度;其次,引入帧内编码帧(I帧)检测窗,在检测窗内通过比较帧间场景变换程度自适应确定I帧;最后,根据帧间场景变换程度与迷你图像组(MiniGOP)大小之间的相关性确定MiniGOP大小,从而自适应确定普通P和B帧(GPB帧)及双向预测编码帧(B帧)。实验结果表明,与x265标准中的相关算法相比,所提算法能够有效降低x265的编码复杂度,可在减少近5%编码时间的前提下,实现视频I帧、GPB帧和B帧的高效自适应决策。
-
关键词
视频编码
x265
局部亮度直方图
视频帧类型决策
-
Keywords
Video coding
x265
Local luminance histogram
Video frame type decision
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
