提出了一种基于混沌粒子群的优化核主元分析故障监测方法(Kernel Principal Component Analysis based on Chaotic Particle Swarm Optimization, CPSO-KPCA)。该方法充分利用了正常数据和故障数据的特征,通过混沌粒子群优化算法对KPCA...提出了一种基于混沌粒子群的优化核主元分析故障监测方法(Kernel Principal Component Analysis based on Chaotic Particle Swarm Optimization, CPSO-KPCA)。该方法充分利用了正常数据和故障数据的特征,通过混沌粒子群优化算法对KPCA的核函数参数进行优化,以发现最优的非线性特征,并能准确地监测出非线性故障。利用特征空间监测统计图,将该方法应用于轧钢过程的非线性监测,实际应用结果表明,该方法具有很高的故障监测精度。展开更多
文摘提出了一种基于混沌粒子群的优化核主元分析故障监测方法(Kernel Principal Component Analysis based on Chaotic Particle Swarm Optimization, CPSO-KPCA)。该方法充分利用了正常数据和故障数据的特征,通过混沌粒子群优化算法对KPCA的核函数参数进行优化,以发现最优的非线性特征,并能准确地监测出非线性故障。利用特征空间监测统计图,将该方法应用于轧钢过程的非线性监测,实际应用结果表明,该方法具有很高的故障监测精度。