基于核独立分量分析的齿轮箱故障诊断

独立分量分析是近几年发展起来的基于信号高阶统计特性的分析方法,它是指从多个源信号的线性混合信号中分离出源信号的技术,但目前的算法在处理非线性变化的信号时还有一定的局限,而基于非线性函数空间的ICA方法—KICA,即核独立成分分析,可以解决这一问题。与传统的ICA方法相比,KICA方法具有更好的灵活性和鲁棒性。文章介绍了核独立分量的基本原理,并进行了仿真说明,最后结合包络阶次方法对齿轮箱实测的瞬态声音信号进行了分析,找到了故障特征,验证了该方法的有效性。

基于核独立分量分析的谐波责任划分

为了更加准确地划分公共连接点的谐波责任,提出了一种基于核独立分量分析划分谐波责任的方法。首先采用核主分量分析算法对观测值进行白化和去均值处理,观测值的非高斯性增强;然后利用独立分量分析算法对处理后的观测值进行盲源分离,得到谐波电流和谐波阻抗估计值;最后根据谐波责任计算公式求得各谐波源对关注母线的谐波责任。在IEEE14节点配电系统上进行仿真测试,结果表明,本文方法与仅用独立分量分析方法相比,本文所提方法估计结果更准确。

基于核独立分量分析的盲多用户检测算法

针对DS-CDMA通信系统中的盲多用户检测问题,提出了一种改进的核独立分量分析(KICA)算法.该算法首先将五阶收敛的牛顿迭代公式引入到传统的FastICA算法中,同时还引入了一种新的核函数——混合核函数来解决非线性混合信号的分离问题,从而实现了多用户信号检测.最后将所提出的算法与传统的FastICA算法和KICA算法进行仿真比较.结果表明:所提出的算法不仅收敛速度较快,而且具有较小的误码率.

核独立分量分析在机械振动信号分离中的应用

针对旋转机械振动信号成分复杂,甚至表现出非线性特征,文章采用核独立分量分析(KICA)对其进行预处理。与独立分量分析(ICA)不同,KICA是通过非线性映射在高维特征空间上构建了核化的目标函数,并引入核方法实现该目标函数的优化操作。仿真实验中通过比较KICA、ICA和传统KICA(DKICA)的分离信号与源信号之间的相关系数,文中介绍的KICA对混合信号分离处理具有更高的准确性和鲁棒性;实测数据实验验证,经过KICA处理的机械振动信号,其表征的振动信息更为单一,使得隐含的特征频率得到凸显,为进一步处理和分析奠定良好基础。

基于粒子群优化核独立分量的特征降维算法及其应用研究

大型复杂装备的工作过程均表现出较强的非线性,并且受非高斯噪声和各种不确定因素的影响,导致状态监测信息多是高维的非线性、非高斯数据,且计算量随信息维数呈指数增长,若直接用于预测模型则导致计算量异常庞大,不利于完成模型参数估计和实现实时维修。针对上述问题,对核独立分量分析算法中关于核函数参数选择的盲目性,提出了用粒子群优化算法改进核参数选择过程的核独立分量分析算法,实现了高维状态信息的降维。最后,通过对某自行火炮发动机油液监测数据进行特征降维实例分析,验证了所提方法的可行性与有效性。

应用核独立分量分析的电力用户负荷曲线估计

提出了核独立分量分析算法,即白化的核主分量分析加上独立分量分析算法。该算法在电网信息不足时,利用电网部分支路的潮流作为观测值,就可以完成对用户负荷曲线的估计。经过IEEE9节点系统的仿真验证,结果表明,观测值在经过白化的核主分量分析算法处理后,非高斯性增强。应用独立分量分析算法对处理后的观测值进行盲源分离后,所得用户负荷需求曲线的估计值逼近实际值。与仅用独立分量分析方法的仿真结果相比,估计误差降低,相关系数增加。

基于核独立分量分析的模糊核聚类神经网络集成方法

提出一种基于核独立分量分析的模糊核聚类神经网络集成方法。该方法首先采用核独立分量分析对高维数据进行特征提取;随后用模糊核聚类算法根据相互独立训练出的多个神经网络个体在验证集上的输出对其进行分类,并计算每一类中的所有个体在验证集上的泛化误差;然后取其中平均泛化误差最小的神经网络个体作为这一类的代表;最后经相对多数投票法得到集成的最终输出。实验结果表明,与其他集成方法相比,该方法具有较高的精确度和稳定性。

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解。通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性。

基于核独立分量分析的非线性混合机械故障盲分离方法研究

提出了一种基于核独立分量分析(KICA)的非线性混合机械故障源盲分离方法,即利用核函数的优点,将信号从低维的非线性原始空间变换到高维线性特征空间,实现以线性ICA方法进行分离。仿真结果表明:与传统的ICA方法相比,本方法在处理非线性混合源盲分离上具有明显的优势,并在轴承故障信号盲分离实验中验证了它的有效性。

基于小波变换和核独立分量分析的遥感图像变化检测

为了进一步提高基于独立分量分析(Independent Component Analysis,ICA)的遥感图像变化检测精确度,并解决ICA分离的图像分量排序不确定问题,提出了基于小波变换和核独立分量分析(Kernel Independent Component Analysis,KICA)的遥感图像变化检测方法。首先通过小波变换对遥感图像进行分解,得到由图像的高频分量和低频分量组成的分块向量,然后利用核函数将分块向量映射到高维特征空间中,再在该空间中用ICA方法分离出互相独立的向量,最后根据分离出的向量中高频分量的差异自动分辨出变化分量。文章给出了遥感图像变化检测方法及近年提出的基于主分量分析(Principal Component Analysis,PCA)、基于ICA、基于KICA三种变化检测方法的试验结果,并进行了分析和定量比较。试验结果表明,文中方法能更好地分离出遥感图像的变化信息,具有更高的精确度,并实现了变化检测的智能化。

基于动态核独立分量分析的高含硫天然气净化过程异常检测与诊断

目前高含硫天然气净化过程存在多参数动态相关的特性,导致基于静态多元统计过程监控方法对于异常状态检测效果较差。提出一种考虑参数时序自相关性的动态核独立分量分析(DKICA)异常检测与诊断方法。首先,引入自回归(AR)模型,通过参数辨识确定模型阶次,描述监控过程的时序自相关性;然后,将原始变量投影到核独立元空间,通过监控独立元对应的T2和SPE统计量是否超出正常状态设定的控制限,实现异常检测;最后计算所述T2统计量对原始变量的一阶偏导数,绘制贡献图实现异常诊断。以某高含硫天然气净化厂采集的数据进行分析,结果表明基于DKICA高含硫天然气净化过程异常检测精度要优于静态独立分量分析所得的检测精度。

核独立分量分析在结构振动信号降噪中的应用

降噪处理是分析结构振动信号、提取特征参数、研究损伤识别方法的基础,核独立分量分析(KICA)采用的核方法为结构振动信号的降噪处理提供了新的方法;通过对比KICA与其他算法降噪后信号的HHT边际谱,验证了KICA对低阻尼钢框架结构标准损伤模型降噪的优良性能,特别是提高了对结构安全至关重要的低频振动部分的能量估计的准确度。

基于核独立分量分析的PET图像处理

随着医学成像和计算机辅助技术的发展,从二维医学图像到三维可视化技术,医学图像处理技术已经是目前医学技术中发展最快的领域之一。PET/CT系统因为同时具有多层螺旋CT和PET的临床特点,可以同时提供结构和功能方面的信息,在临床上有着广泛的应用前景。对它的图像处理也成了研究热点。因此本文对处理PET图像进行研究。本文研究了基于核独立分量分析的去噪应用于PET图像处理,实验结果表明,相对于医学图像处理中传统ICA去噪算法,本文所采用的去噪算法更适合于PET图像的处理。因此,可以判定Kernel-ICA在PET图像的去噪处理中是一种非常实用而且有效的算法,进而也可以推断出在PET图像处理中,基于Kernel-ICA的去噪算法具有很好的发展前景。

基于快速核独立分量分析的图像反光分离研究

透过玻璃对场景成像,图像由场景实像和反光虚像线性叠加而成,直接影响到图像分析处理和计算机视觉应用等,可采用盲源分离方法进行反光分离。图像成像过程中的非线性因素,会使线性独立分量分析(ICA)用于反光分离结果不够精确。采用基于Hilbert-Schmidt独立性判断准则的快速核独立分量分析(FastKICA)进行图像反光分离。实验表明,快速核独立分量分析用于图像反光分离,在分离精度和速度上优于线性独立分量分析和常规核独立分量分析(KICA)。

基于动态核独立元统计量的石油管道泄漏检测

石油管道泄漏是受腐蚀、磨损、焊缝缺陷、振动、冲刷以及人为破坏等多种因素影响的连续动态过程,单纯基于压力信号的检测和基于高斯分布假设的信号分析方法不能适应其多变量、强耦合、动态特性。为此,综合考虑与管道泄漏有关的操作参数和环境参数,针对管道监测参数呈现时序自相关性、泄漏检测精度不高的问题,提出一种基于动态核独立分量分析(DKICA)的石油管道泄漏检测方法。首先引入动态特性确定算法(DOD)计算模型最佳参数阶次,解决动态过程导致的监测参数呈现时序自相关性问题;再采用核独立分量分析(KICA)在核主元空间提取独立元;最后通过考察独立元的T2、SPE联合指标判断泄漏发生。通过对某一输送场站采集的数据进行实验验证,结果表明采用联合指标D2的正常样本误检率和泄漏样本漏检率都远低于单独采用T2或SPE统计量;而引入动态特性的2阶DKICA对于正常样本的误检率和泄漏样本的漏检率都低于未引入动态特性的KICA方法。可见,所提出的基于动态核独立分量联合指标的石油管道泄漏检测方法是一种高效且可行的方法。

基于独立分量分析的脑电信号的眼电伪迹消除

介绍了独立分量分析技术的基本概念和原理,及其具有代表性的基于负熵最大的快算独立分量分析算法和基于核空间的独立分量分析算法,并分别对脑电中的眼电伪迹进行去除。通过仿真实验表明了独立分量分析算法较快速独立分量分析算法能更好去除眼电伪迹,具有较好准确性和鲁棒性。

基于核ICA的探地雷达地杂波抑制

地雷及未爆武器给许多国家带来了巨大的经济和社会问题。近年来超宽带探地雷达被广泛用于浅层埋藏的塑性地雷的检测,其中滤除雷达回波信号中的地杂波是完成目标检测、成像与识别的关键。文中通过利用核ICA算法进行研究,给出了一种可以针对多目标数据区域且自动选取独立分量的探地雷达地杂波抑制方法,基于实测数据的实验结果表明了该方法的有效性。

结合类可分性和遗传算法的核ICA特征选择

核独立分量分析(KICA)可以实现特征提取,但当数据量较大时,特征的数量也随之增加.针对这种情况,提出了一种结合类可分性和遗传算法来选择特征并降低其维数的方法.对数据进行KICA处理后得到特征向量及权值矩阵.对于权值矩阵,使用类间类内距离比来进行特征初选.保留权重矩阵中类间类内距离比大的列,及其对应的特征向量.对这些特征向量使用遗传算法来选择最优特征组.两个实验验证了该方法的有效性.

基于KICA‑CIM的电能计量设备HPLC通信单元运行质量评估体系

针对电能计量设备中高速电力线载波通信(high speed power line carrier communication,HPLC)单元现场的运行质量评估需求,提出一种基于核独立分量分析-部件关键度(kernel independent component analysis⁃component importance measure,KICA⁃CIM)多模型集成的评估方法。首先,整合分析典型客户侧计量设备本地物联应用场景、通信技术的主要性能影响因素,综合构建物联场景性能评价的普适性指标库;其次,面向运行场景中的多源、异构、高维数据环境,一方面利用KICA处理非线性特征并求解主成分,计算各指标的个体权重,另一方面利用CIM模型区别衡量各指标评价结果对整体评估效果的不同影响程度,对指标进行重要性赋权,确定每个指标的作用权重。通过组合赋权模型实施整合,实现运行质量的全面评估;最后,利用某地区电能计量设备数据,验证所提出方法的可行性和有效性,有利于改善评估结果的准确性与合理性。

考虑多重共线性影响的特高拱坝时空监控模型

为了解决特高拱坝时空监控模型中因子数目众多、因子之间存在多重共线性以及各测点之间存在空间关联性的问题,基于大坝变形原型监测资料,采用核独立分量分析(KICA)方法提取独立分量,将多个测点信息转化为少数几个综合指标;将提取的独立分量代入利用灰狼优化(GWO)算法优化的支持向量机(SVM)模型,对特高拱坝空间测点进行回归预测,构建了KICA-GWO-SVM特高拱坝时空监控模型。工程实例分析结果表明,KICA-GWO-SVM特高拱坝时空监控模型与多元回归模型、BP模型及SVM模型相比,其非线性表达能力强且性能良好,能够降低多重共线性对大坝变形监测的影响,对特高拱坝变形序列的拟合与预测精度高,可以更加准确全面地表征大坝整体的时空变形性态。