基于MVRVM回归和RVM二叉树分类的自确认气动执行器故障诊断算法

为了解决自确认气动执行器的故障诊断问题,提出了一种基于多变量关联向量机(MVRVM)回归和关联向量机二叉树分类的气动执行器故障诊断方法,该方法利用多变量关联向量机回归建立气动执行器的正常模型,然后将实际输出与模型输出比较,产生残差作为气动执行器的非线性故障特征向量。以残差作为输入建立关联向量机二叉树多分类机,诊断气动执行器故障类型。利用DABLib生成的故障数据对所研究方法进行了验证,并与基于RVM一对一分类的故障诊断方法进行了比较,结果表明该方法是解决气动执行器故障诊断的小样本和非线性问题的一种有效方法。

基于AFSA-MVRVM的MTO反应过程双烯收率软测量

针对采用关联向量机进行软测量建模所存在的多输出建模问题,提出了一种鱼群优化算法(AFSA)—多输出关联向量机(MVRVM)软测量建模方法。通过加权组合全局性Poly核函数和局部性Gauss核函数,形成混合核函数多输出关联向量机模型,有效融合多特征数据信息;然后采用鱼群优化算法对多输出关联向量机模型的相关核参数进行优化,以进一步改善模型的输出精度和稳定性。将该建模方法应用于甲醇制烯烃生产过程(MTO)反应器出口乙烯和丙烯(简称双烯)收率软测量研究中,结果表明:采用该建模方法所建立的软测量模型能有效预测双烯收率变化,具有较高的预测精度和稳定性,这可为复杂化工过程多参数监测与控制提供有力的技术方法支持。

MOS传感器阵列的二元混合气体检测方法研究

针对混合气体检测准确性较低问题,提出一种新型的二元混合气体检测方法。该方法利用核主成分分析（KPCA）对多路信号的非线性特征提取能力,提取不同成分组合下的二元混合气体的特征对k最近邻域（KNN）分类器进行建模,实现目标气体的识别。采用多变量相关向量机的多元非线性回归特性对二元混合气体组成成分进行定量估计。设计了以CO和CH4为目标气体的实验系统获取实验样本,对所提出的二元混合气体检测方法进行对比验证。实验结果表明,相比于基于主成分分析法和独立成分分析法的气体识别方法,提出方法的气体识别准确率分别提高了5.83%、14.16%,达到98.33%。相比于单一相关向量机（RVM）和最小二乘支持向量（LS-SVR）的混合气体浓度估计方法,方法有效提高了估计的准确性,CO和CH4浓度估计的平均相对误差分别仅有5.58%、5.38%。