基于鲁棒主元分析的故障诊断方法

针对工业过程的建模数据中含有离群点的情况,提出了一种基于鲁棒主元分析(PCA)的故障诊断方法。该方法使用广义极大似然估计(M估计)代替最小二乘估计,将传统的主元分析问题转化为一个加权的重构误差优化问题,然后通过改进的非线性迭代部分最小二乘(NIPALS)算法来求得问题的最优解,在此基础上建立主元模型并构造监控统计量检测过程故障。在连续搅拌反应器(CSTR)仿真系统上的应用结果表明,鲁棒PCA方法能够消除离群点对主元模型的影响,比PCA方法分析过程数据更为准确,能更有效地诊断过程故障。

鲁棒主元分析在掌纹识别中的应用

为了对存在异常值的图像构建低维线性子空间的描述,提出用鲁棒主元分析(RPCA)的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用RPCA提取低维的投影向量,然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和核主元分析(KPCA)相比,RPCA算法的识别率最高为99%,特征提取和匹配总时间0.032 s,满足了实时系统的要求。

基于鲁棒主元分析的SAR图像目标分割

合成孔径雷达(SAR)图像的目标分割,是SAR图像自动目标识别的关键预处理步骤。与一般SAR图像目标区域分割方法不同,鲁棒主元分析融合了主元分析(PCA)与压缩感知(CS)理论中稀疏矩阵的先进思路,利用多帧具有相似性的SAR图像,构建一个观测矩阵D,通过求解一个凸优化问题,重建出一个低秩矩阵A和一个稀疏矩阵E。将矩阵A和E的列向量矩阵化,即可完成SAR图像目标与背景的分离。实验结果表明,鲁棒主元分析算法避免了复杂的SAR图像背景建模,针对同一目标的多帧SAR图像,所提方法对SAR图像目标和背景的分割问题具有可行性和有效性;与经典的最优阈值分割算法相比,误分率明显降低。

鲁棒主元分析和稀疏表示方法在模拟电路错误检测中的应用

模拟电路错误检测问题,即重点是检测出模拟电路芯片存在错误后确定错误元件或参数的问题,对于进一步明确错误产生原因,在设计或制造中加以改进,有重要的意义.经典做法是通过预先设置错误,并仿真得到其对应的响应数据,构造"错误字典",然后将测试信号与错误字典进行比对,识别其属于哪一类错误类型.本文提出一种基于数据稀疏表示方法来进行错误类型识别的新方法,它计算属于不同错误类型的数据在所有类型的数据构成的空间中的展开向量,根据得到的稀疏向量来判断其所属错误类型.对于稀疏表示方法无法进行准确分类识别的情况,采用SVM作为二级分类器进行修正.存在某些错误类型,其响应数据构成的空间之间线性相关性较强,对于稀疏表示后属于其中之一类型的数据,采用传统的SVM方法来加以辅助分类.在两个实验例子中,与SVM,Ada Boost以及没有加SVM辅助分类的单纯稀疏表示方法相比较,本文方法有更高的错误类型识别正确率.

鲁棒核主元分析的数据重构

针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存在野值点噪声时,由所提出的鲁棒KPCA算法实现样本数据重构时,要比KPCA具有更高的重构精度,抗野值点噪声性能更强.

基于PSO的间歇生产鲁棒统计过程监控

间歇过程广泛应用于精细化工产品、生物化工产品等高附加值产品的制备. 为提高间歇生产的可重复性,提高批次之间产品的一致性, 多向主元分析法 (MPCA) 广泛应用于间歇生产过程的监控. 针对 MPCA统计监控模型容易受到建模数据中离群点影响的不足, 提出了一种基于微粒群优化算法 (PSO) 的鲁棒 MPCA分析方法, 并进一步给出了相应鲁棒监控统计量的计算方法. 对于链霉素发酵过程的监控表明, 相对于普通MPCA,鲁棒MPCA在建模数据中存在离群点时仍能够给出正确的统计监控模型, 从而有效减少了建模过程对数据的要求.

一种改进鲁棒KPCA算法及其在齿轮泵故障诊断中的应用

核主元分析(KPCA)是一种有效的非线性特征提取方法,但其缺点是对样本中的野点比较敏感。为了消除野点对KPCA算法的影响,介绍一种鲁棒KPCA算法,通过修改特征空间中映射样本的最小重构误差表达式,并预先定义训练样本集中的野点数目,实现了在特征空间剔除野点的目的。将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取,试验结果表明:该算法的抗噪性比经典KPCA算法明显增强,能有效区分齿轮泵的不同故障模式。

基于鲁棒PCA的火电厂湿法烟气脱硫系统的故障诊断

针对火电厂湿法烟气脱硫(WFGD)过程建模数据中存在离群点的情况,提出一种基于复合统计量CRS的鲁棒主元分析(PCA)的故障诊断方法.该方法利用含有离群点的样本数据建立PCA模型,求取PCA模型的复合统计量CRS的控制限,剔除样本数据中复合统计量值超过控制限的样本点,使用剩下的样本点重新建立PCA模型.经华能福州电厂的湿法烟气脱硫过程的故障仿真实验,结果表明,该鲁棒PCA比传统PCA具有更好的故障检测能力.