摘要
针对核主元分析(KPCA)中的复杂运算和故障分离问题,提出一种基于免疫核主元分析(immune-KPCA,IKPCA)的故障诊断方法。该方法使用小波变换技术对数据进行预处理,然后利用基于克隆选择原理的免疫算法对建模数据进行压缩,提取特征样本建立核矩阵以降低运算复杂程度。在IKPCA监控统计量检测到故障后,基于灵敏度分析思想构造贡献图分离故障变量。在连续搅拌反应釜(CSTR)仿真过程上的应用结果表明,本文提出的方法能够显著地降低核矩阵的计算量,比传统的PCA、KPCA方法更有效地检测过程故障,而且能够正确地识别故障变量。
A fault diagnosis method was developed based on immune kernel principal component analysis (IKPCA) to reduce the computation complexity of KPCA and isolate fault variables.The analysis uses wavelet transformation to preprocess the measured data.The immune algorithm uses the clonal selection principal to reduce the data set size and extract feature samples to more easily calculate the kernel matrix.After a fault is detected from the IKPCA monitoring statistics,variable contribution plots are constructed for ...
出处
《清华大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2008年第S2期1794-1798,共5页
Journal of Tsinghua University(Science and Technology)
基金
国家"八六三"高技术项目(2007AA04Z193)
山东省自然科学基金资助项目(Y2007G49)
关键词
核主元分析
免疫算法
贡献图
故障诊断
kernel principal component analysis
immune algorithm
contribution plots
fault diagnosis
