基于主元分析的滑动窗口累积和的微小故障检测

针对传统的多元统计分析方法对生产过程中微小故障检测不灵敏的问题,提出一种基于主元分析的滑动窗口累积和的微小故障检测方法(Principal Component Analysis and Moving Window Cumulative Sum,PCA-MWCUSUM)。利用主元分析(Principal Component Analysis,PCA)对数据降维,去除数据的相关性,计算得出样本的主元得分T^(2);利用滑动窗口技术将相邻某几个主元得分作为一个窗口,同时利用累加和(CUSUM)将每个窗口内T^(2)与T^(2)的均值误差进行叠加,以实现微小故障的累加;利用核密度估计确定故障检测控制限,实现对微小故障的检测。PCA-MWCUSUM通过增加故障工况的偏移尺度提高微小故障检测率。利用数值例子和田纳西-伊斯曼(Tennessee Eastman,TE)过程的仿真实验,并与ICA、PCA-SVDD和K近邻法(KNN)比较分析,实验结果进一步验证了该方法的有效性。

浅议高职班主任对学生能力培养的影响

通过对高职班主任的职责及高职学生需要具备的能力进行分析,进而提出高职班主任对学生能力培养的促进作用。

新课堂教学法在高职计算机基础课程中的应用

高职计算机基础课程主要培养学生的计算机实际应用能力,而这种能力的培养又主要依靠课堂教学.因此主要介绍分类施教教学法、激发兴趣教学法、案例分析教学法等七种新课堂教学法在高职计机基础课程中的应用.

铝电解炭渣回收新技术

介绍了铝电解炭渣回收的关键技术及研究.国内各大铝厂现未普遍进行铝电解炭渣回收利用的研究开发.在预焙槽型方面,贵州铝厂已研究开发成功并交付生产使用;在自焙槽型方面,青铜峡铝业集团有限公司进行了此项研究,取得良好效益.

基于自适应网络的球磨机负荷预测方法

鉴于多工况环境下的数据漂移限制了深度学习方法预测球磨机负荷的效果,提出一种基于自适应网络的球磨机负荷预测方法。首先建立基于深度相关对齐的磨矿分级工况划分模型;然后将相对位置编码引入Transformer,对注意力机制进行解耦来将位置信息直接编码进注意力机制,进而提高预测性能;进一步提出一种自适应网络,将分布匹配正则化项应用于Transformer模型的隐层特征,通过减少不同工况之间的分布差异来学习模型隐藏状态的共同参数,提高模型泛化能力;最后采用基于Boosting的方法学习隐藏状态的重要性。试验结果表明,所提自适应预测网络可以明显提高预测球磨机负荷参数的准确性,而且在面对未知工况时预测性能也领先于对比方法。

基于滑动窗口的PCA与SVDD方法研究与应用

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。

PCA与SVDD方法在过程故障监测中的应用研究

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。

基于邻域保持嵌入-支持向量数据描述的过程监控算法及其应用

针对非线性、多模态间歇过程的故障检测问题,提出一种基于邻域保持嵌入的支持向量数据描述(support vector data description based on neighborhood preserving embedding, NPE-SVDD)故障检测策略.首先,利用NPE算法将原始数据降维到特征空间.接下来,在特征空间建立SVDD模型,计算超球体的球心O和半径R.对于测试样本,计算其到球心的距离D,对比D与R的大小确定样本状态.检测样本状态后,应用距离贡献图法进行故障变量定位分析. NPE算法可以保留原始数据的局部信息;并通过结合SVDD分类规则代替原始NPE算法的T2和SPE统计量,消除了数据服从高斯分布的限制,提高了故障检测率.利用数值模拟过程和半导体蚀刻过程仿真,将实验结果与主元分析(principal component analysis, PCA)、 NPE、 SVDD等方法进行对比分析,验证了NPE-SVDD方法的有效性.