科技期刊综合评价模型-KPCA

论文提出了一种新的科技期刊综合评价模型:核主成分分析(KPCA)。通过一个非线性变换,KPCA首先将原变量空间映射到高维特征空间,然后在这个高维特征空间中进行线性主成分分析。通过核技巧,KPCA评价方法只需在原空间进行点积计算,而不必知道非线性变换的确切形式。十种科技期刊综合评价的实证表明,KPCA综合评价方法具有一定的实际应用价值。

基于KPCA的多工况TE过程故障检测研究

为了解决多工况、非线性工业过程的故障检测问题,在基于先验知识的基础之上提出了基于多核主元分析方法(Multiple-Kernel Principal Component Analysis,KPCA)的故障检测办法。首先收集每个工况稳态过程的历史正常数据,直接建立子KPCA模型求得各自的控制限,其次收集工况间的过渡过程的历史正常数据,采取加权平均法求其控制限,最后对过程的故障数据进行检测。以田纳西-伊斯曼过程(Tennessee-Eastman Process,TEP)与MATLAB结合进行仿真实验。仿真结果表明,与单工况、非线性过程进行相比,该方法更为快速、准确。

机电设备中智能故障检测诊断技术的运用

以水利工程机电设备智能故障检测诊断技术为研究对象,通过DBN开展机电设备故障识别分类。介绍了DBN结构的运行原理及操作流程,基于水利工程机电设备特点,以KPCA—DBN模型为依托,以实验验证的方式开展水利工程机电设备细化故障诊断计算。基于KPCA—DBN模型数据进行机电设备运维管理,按照科学的运维管理流程强化管理质量。为进一步验证机电设备智能故障监测诊断的可靠性,以水利工程滚动轴承设备智能故障检测诊断为例,获取滚动轴承故障诊断实际应用数据,对故障结果数据进行分析,以提升水利工程机电设备故障的处理效果。