基于局部密度估计的多模态过程故障检测

以市场需求为导向的现代工业过程的生产条件要根据市场的需求不断做出调整,因此实际工业过程中存在多种工况的复杂情况,而过程的数据将不再完全服从高斯分布,其均值与协方差结构往往随着工况的切换而发生较大变化,为了能及时检测此类生产过程中的故障,提出一种新的基于带宽可变的局部密度估计的过程在线监控策略。首先利用局部投影保留(locality preserving projection,LPP)将高维数据投影到低维子空间中,充分地保留数据的局部结构;然后通过带宽可变的非参数密度核函数来进行局部密度估计,并采用局部密度因子(local density factor,LDF)的思想构造监控统计量,进而对工业过程故障进行在线检测;最后通过仿真研究,结果表明所提方法能够有效地应用于多模态过程的故障检测。

基于自适应提升的监督局部保留投影在猪肉近红外光谱分类中的应用研究

借助于近红外反射光谱技术定性研究猪肉的贮藏时间,并以此进行猪肉的新鲜度评定。利用AntarisII快速傅里叶变换近红外光谱分析仪对猪肉样本进行无损检测获取光谱数据。为了克服光谱特征提取中的"小样本"问题,引入基于监督模式的局部保留投影算法(Supervised Locality Preserving Projection,SLPP),并通过结合自适应提升(AdaBoost)算法提出了基于自适应提升的监督局部保留投影算法(AdaBoost-SLPP)。实验结果表明:AdaBoost-SLPP算法通过加权联合能够显著提高单一线性特征分类算法的泛化能力,算法对于近红外光谱建立的定性预测模型能够达到100%的识别率。

基于LPP的某型柴油机润滑油光谱数据分析

为解决通过光谱数据进行工况识别困难的问题,提出了一种基于局部保留投影算法(LPP)对柴油机原子发射光谱数据降维的新方法,并对降维后的数据进行了聚类分析。结合某型柴油机实验台架,通过改变汽缸套和活塞间隙,制定了7种磨合工况,获得69个润滑油样本的原子发射光谱仪数据。利用上述方法,能较为有效地将不同工况下的油样聚类。实验结果证明了该方法在润滑油光谱分析中的有效性。