基于改进主元分析的风力发电升压站电气故障检测

本文以某升压站油中溶解生成的五种特征气体的样本数据为基础,利用主元分析算法对升压站进行故障检测,由于风力发电升压站电气故障多呈现为非线性属性、而主元分析假定过程数据是线性,本文针对主元分析的缺点进行改进。试验结果表明,改进主元分析的T2和SPE统计量检测正确率均高于主元分析,最大检测准确率高达100%。

基于改进型主元分析和SVR的煤矿瓦斯涌出量预测

针对传统的主元分析存在的缺点和样本的特征,结合煤层瓦斯涌出影响因素,建立了基于权重的改进型主元分析和支持向量回归机的煤层瓦斯涌出量的预测模型.首先,采用改进型主元分析法对影响瓦斯涌出量的指标分析处理得到主成分即输入变量,然后建立以主要成分为输入变量,以瓦斯涌出量为输出变量的基于支持向量回归机的预测模型.实验表明,该模型能够消除输入变量间相关性,减少输入变量个数,有效解决样本少、模型复杂的问题,并且提高了预测精度.

基于改进PCA⁃SARMA的电厂除尘设备故障预警方法及应用

提出一种基于改进PCA-SARMA的电厂除尘设备故障预警方法,首先对所有与除尘设备运行状态相关的特征参数采用改进主元分析法进行降维处理,然后在新主元特征参数的基础上采用SARMA算法对燃煤电厂除尘设备进行建模分析,最后对内蒙古某电厂600 MW燃煤机组LCM-D/G型袋式除尘设备进行实例验证。结果表明,该方法可以提前发现燃煤电厂除尘设备故障征兆,实现对燃煤电厂除尘设备的早期故障预警。

基于DCT与改进分块2DPCA算法的人脸识别

提出一种离散余弦变换和改进的分块二维主元分析相结合的人脸识别方法。该算法利用DCT压缩人脸图像以去掉人眼不敏感的中频分量与高频分量,这样有效降低所需特征的维数,减少计算量。通过IM2DPCA进行特征提取得到人脸识别特征,运用最近邻分类器完成人脸的识别。在基于ORL、YaleB、CAS-PEAL及Feret人脸数据库的实验结果证明该算法的有效性与稳健性。

高速列车双通道速度传感器故障检测与隔离研究

高速列车双通道速度传感器在随列车高速运行时受粉尘、振动、温度变化等因素影响,易出现车轴故障检测虚漏警或误诊等问题。现阶段工程中常利用测试对比等方法检测速度传感器状态,但无法及时监测且易产生虚报警。因此,利用改进主元分析法(PCA)和改进重构贡献图法(IRBCP)建立全新的速度传感器故障检测隔离系统。首先,利用可检测故障幅值选择合适的故障检测统计量并细化,再利用基于组合最大化思想的改进重构贡献图法,确保单故障、多故障均可隔离。以高速列车双通道速度传感器为例,实验验证了所提的策略能够满足常见速度传感器故障的检测隔离需求,准确有效。