基于自适应高效递推规范变量分析的多模过程软传感器建模

由于多模过程中各模式间的均值和协方差发生了改变,多变量单模高斯分布的基本假设不再成立.基于递推方法的多模过程软传感器建模存在两点问题:其一,递推建模方法不能及时的跟踪多模过程的改变;其二,递推建模方法的在线计算负荷非常高.为了解决上述问题,本文提出了一种基于自适应高效递推规范变量分析的多模过程软传感器建模方法.首先,采用指数权重滑动平均来更新过去观测矢量的协方差矩阵;然后,利用基于模型输出误差范数的可变遗忘因子来跟踪多模过程的动态变化;最后,通过引入一阶干扰理论(firstorder perturbation,FOP)来实现递推奇异值分解,与常规奇异值分解相比递推奇异值算法的计算负荷显著降低.将提出的方法用于田纳西伊斯曼(tennessee eastman,TE)化工过程进行仿真验证,其结果表明了该方法的可行性和精确性.

基于VMD-FCM-RLSSVM的多模过程故障诊断方法

为了保证工业过程的正常进行,需要及时地辨识出故障以实现故障诊断。然而,传统的故障诊断方法多是基于单模过程而不适应于多模态过程。为了解决这个问题,本文提出了一种变分模态分解(VMD)、模糊C均值(FCM)及递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法。本文首先介绍了VMD方法对所采集的数据进行去噪处理,然后利用FCM进行模态区分,最后利用RLSSVM方法实现故障诊断。通过CSTH过程的仿真结果表明,该方法提高了诊断效率和性能,能够快速、有效地诊断出故障。

IGSA-KPCA邻域建模的多模过程故障检测方法

为提高多模过程故障检测的准确率,提出改进引力搜索算法-核主元分析邻域建模的故障检测方法。首先应用及时学习算法在参考数据集中找到待检数据的相关数据,再将相关数据和待检数据作为核主元分析检测模型的输入进行故障检测。核主元分析模型中的参数对故障检测性能有较大影响,提出改进引力搜索算法对模型中参数进行优化,提高检测性能。将所提方法应用于青霉素多模过程进行实验验证,仿真结果表明所提方法在多模过程故障检测中用时短、准确率高。

高斯型混合双多模噪声模型分析

本文以一类高斯型混合非高斯噪声双模噪声为背景噪声,详细分析了二进制数字调制系统的抗噪声性能。为研究更一般的情形,本文提出了窄带多模过程的数学模型,进行了较详细的研究,给出了混合噪声中信号检测的一般方法,是对原建立在高斯噪声基础上通信与信号处理理论的完善和补充,有一定的普遍意义。在理论分析的基础上,最后给出了仿真结果并进行了分析。