首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 187 毫秒
1.
高明亮 《科技广场》2013,(5):155-158
本文在能够准确进行故障检测的基础上进行研究,首先介绍了PCA的理论知识,然后在已对某一传感器采样数据检测并检测出故障之后,应用主元分析模型,深入研究了PCA方法的传感器故障重构问题,实质上就是控制系统中的容错控制问题。最后将该方法应用于电厂某机组中,通过仿真结果,可以看出,该方法对系统具有很好的故障重构能力。  相似文献   

2.
高明亮 《科技广场》2012,(3):132-134
基于主元分析(PCA)的故障诊断方法是故障诊断领域一个重要研究分支。本文首先介绍了主元分析的理论,然后深入研究了基于主元分析方法的传感器故障检测问题。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测。最后进行具体仿真,仿真结果表明主元分析法对传感器具有很好的故障检测能力。  相似文献   

3.
主元分析方法(PCA)是多元统计分析方法中的一种,基于主元分析的状态监测方法能够建立准确的状态监测统计模型并快速检测出生产过程中出现的异常现象。鉴于它具备这样的优点,很多的研究都是将主元分析应用于人脸识别,本文将该方法应用于对自然循环锅炉运行的过程监测,发现这种监测方法也是可行的。  相似文献   

4.
由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.使用二维主成分分析方法(2D PCA)实现了人脸识别,传统的主成分分析方法(PCA)把图像矩阵转换成列向量进行处理,从而丢失了一部分特征信息,并且使协方差矩阵的维数很高、计算量很大;2D PCA直接在图像矩阵上进行处理,充分利用了样本类别的差异,大大减少了计算量.在ORL人脸库上利用2D PCA方法进行实验,实验结果表明2D PCA优于PCA.  相似文献   

5.
主元分析(Principal component analysis,PCA)是一种经典的数据分析方法。本文将PCA方法应用于数据相关性分析中,以提取数据集变量的相关性信息。通过两个仿真实验验证了PCA方法提取数据相关性有效性。  相似文献   

6.
为了实现建筑节能和保证空调系统正常运行,当前的建筑空调控制系统已逐渐融入了各种故障检测策略。与此同时,研究人员也提出了越来越多的空调系统故障检测策略,这些故障检测策略的验证,多通过纯仿真平台进行,但是由于纯仿真平台与实际空调系统的差距,经纯仿真平台验证的故障检测策略在实际应用时,会面临着效率下降的问题。因此,本文提出了利用混合仿真平台来对故障检测策略进行验证。以空调系统PCA故障检测方法为例,通过对比实验发现,纯仿真平台和混合仿真平台验证结果的确有较大差别。在此基础上,利用小波变换对PCA故障检测方法做出改进,实验结果表明,基于小波PCA的故障检测方法,能够提高故障检测效果,具有更好的实用性。  相似文献   

7.
通过对智能无人驾驶汽车的发动机故障检测方法的改进提高对发动机故障的诊断能力。传统方法中对智能无人驾驶汽车发动机故障诊断方法采用机械振动系统信号分析方法,对于智能无人驾驶汽车发动机低噪声、低振动工作条件下故障检测效果不好。提出一种基于多阵元超声换能波束指向性分析的智能无人驾驶汽车的发动机故障检测方法。进行发动机故障检测信号模型构建,提取多阵元超声换能波束指向性特征,计算无人驾驶汽车发动机故障特征的最优分类平面,将故障信号模拟为一个调幅信号,得到多阵元超声换能波束指向性特征的约束函数,实现故障检测。最后在提取故障特征的基础上进行专家系统识别和故障分类诊断,实现诊断决策。仿真结果表明,该方法能准确实现对发动机故障的诊断和判别,检测性能提高明显,展示了较好的应用价值。  相似文献   

8.
建立了利用固相萃取气相色谱法分析茶叶中11种有机磷农药残留量的方法。样品首先经二氯甲烷和正己烷的混合溶剂提取,然后经SPE小柱固相萃取净化,采用气相色谱测定。实验结构表明,11种有机磷农药均能在CP-sil8(15m0.53,1.5um)毛细管柱上得到很好的分离,符合农药残留量检测的要求。该方法具有称样量小、试剂用量少、操作简化的优点,为检测茶叶中有机磷农药残留量的研究提供了科学的方法。  相似文献   

9.
基于PCA及SVM的图像信息隐藏检测*   总被引:1,自引:0,他引:1  
本文提出了一种基于主成分分析(PCA, principal components analysis)及支持向量机(SVM, support vector machines)的信息隐藏盲检测方法。该方法根据信息隐藏时对载体图像引入噪声的特点,通过分析图像块的主成分,计算出图像的特征向量。通过对原始样本图像和藏密样本图像特征向量的学习和训练,得到SVM检测模型,可用于信息隐藏的盲检测。实验结果表明,该方法能够有效地检测出目前常用的信息隐藏方法。  相似文献   

10.
刘辉  边兵 《科技风》2013,(8):76
在矿井生产中,为确保煤矿安全生产,对井下通风要求条件很高,必须保证井下通风不间断,一旦短暂停风即可造成瓦斯超限,危及职工生命安全。矿井主通风机在倒台、检修过程中不可避免会有短暂的停机时间5~7分钟(煤矿规程要求10分钟以内启动),在故障情况下倒台时间更长,有可能造成井下瓦斯超限。矿井主通风机自动控制系统研究项目的实施对确保煤矿安全生产具有重要意义。  相似文献   

11.
In this paper, a different internal fault modeling and an identification algorithm are presented. There has been an increasing concern about turn-to-turn faults in transformers because of the high costs of unexpected outages. It is not always possible to analyze the transformer behavior under such faults at rated conditions, since the tests are highly destructive. To develop transformer internal fault detection technique, a transformer model to simulate internal faults is required. This paper describes a novel technique and methodology for modeling and identifying transformer internal faults by using transmission line method (TLM) and fuzzy reasoning technique based on dynamic principal component analysis (PCA), respectively. The transformer has been modeled considering non-linearities as hysteresis and saturation. Transformer internal fault currents are successfully discriminated from the rated currents. The degree and priority of transformer internal faults are obtained by the proposed method. It is suited for implementation on computers because of no computation complexity. Hence, the proposed algorithm can be used effectively in real-time fault identification problems.  相似文献   

12.
针对常见的基于PCA的人脸识别方法在识别过程中所遇到的计算量大、分类特征不佳等问题,提出了基于遗传算法的PCA+2DPCA的人脸识别方法,并通过实验,利用ORL人脸数据库验证了该方法的可行性。  相似文献   

13.
The permeability index of the blast furnace is a significant symbol to measure the smooth operation of the blast furnace. This paper proposes a novel prediction model for permeability index of the blast furnace based on the multi-layer extreme learning machine (ML-ELM), the principal component analysis (PCA) method and wavelet transform (called as W-PCA-ML-ELM prediction model). This modified ML-ELM algorithm is based on the ML-ELM algorithm and the PCA method (named as PCA-ML-ELM). The PCA method is applied on the ML-ELM algorithm to improve the algebraic property of the last hidden layer output matrix which deteriorates its generalization performance due to the high multicollinearity. Because the production data of the blast furnace field contain noises, this paper applies the wavelet transform to remove the noise. Comparing with other prediction models which are based on the ML-ELM, the ELM, the BP and the SVM, simulation results illustrate that the better generalization performance and stability of the proposed W-PCA-ML-ELM prediction model.  相似文献   

14.
针对企业自主创新项目风险评价中的高维、非线性问题,提出了一种基于主成分分析和遗传神经网络的企业自主创新项目风险评价方法.该方法利用主成分分析对企业自主创新项目风险评价体系进行特征提取,利用遗传算法直接训练神经网络的权重形成遗传神经网络,特征提取后的综合主成分指标进入遗传神经网络的智能评价系统.实证结果表明,该方法具有较好的泛化能力,与标准BP神经网络方法相比,该方法具有明显的优势.  相似文献   

15.
基于因子分析和主成分分析的粗集决策方法   总被引:1,自引:0,他引:1  
刘盾  胡培  何鹏 《软科学》2009,23(10):38-41,45
考虑到实际经济管理信息系统中属性的冗余性和决策属性难以获得的困难,将粗集理论引入到因子分析和主成分分析中,首先利用因子分析对指标进行降维,然后利用主成分分析计算综合评价值来构造信息系统的决策属性,进而提出一种基于因子分析和主成分分析的粗集决策方法,并通过粗集理论来获取系统中的有用信息。最终,实证分析验证了本方法的有效性和合理性。  相似文献   

16.
对异步电动机转子发生断条故障后所产生的特征频率分量进行了分析,揭示了其在起动过程中的变化过程,提出了在起动过程中检测转子断条故障的小波脊线方法。  相似文献   

17.
基于分层构权主成分分析的皖北地下水水质评价研究   总被引:3,自引:0,他引:3  
针对皖北地下水水质评价,以水文地质调查数据以及取样分析结果为依据,在主成分分析的基础上,构造分层构权主成分分析评价法,并借助Arc GIS描述地下水水质区域差异性。结果表明:分层构权主成分分析方法较传统主成分分析法更具有针对性和区分度,特别针对F-含量高的地下水,可靠性和准确度更高。针对皖北地区地下水水质,东部整体优于西部,其中泗县-灵璧-宿州-雌溪一带地下水水质较好,符合饮用水卫生标准;颍上-阜南-阜阳-临泉-界首-太和一带和砀山-淮北一带属于高氟地下水区域,应采取适宜的降氟措施方可作为饮用水水源,而固镇、蒙城地区地下水受TDS、Cl-和TH含量影响,地下水水质较差,不宜作为饮用水水源。  相似文献   

18.
企业是否具有自生能力决定着该企业的竞争实力和可持续发展能力。基于现有文献研究,运用综合合项思维方法,创新性提出企业创新能力、企业发展能力与企业恢复力3个维度对企业自生能力进行评价及探析;采用FAHP方法和熵值法对企业自生能力指标进行权重设置,并通过主成分回归方法进行数据分析。研究结果显示,企业自生能力与企业创新能力、发展能力、恢复力存在着较强的关系,其中竞争力强度、技术投入强度、技术产出强度是企业自生能力评价体系中的关键性因素,并在此基础上构建自生能力函数表达式。  相似文献   

19.
针对电力系统日益突出的海量数据存储问题,本文提出了HHT和PCA结合的算法用于电能质量数据压缩.利用HHT进行电能质量信号的故障点检测,将故障信号和正常信号区分重组后用PCA进行压缩以达到数据压缩的效果.采用电能质量数据作为测试样本,实验结果表明,本文算法的压缩性能良好,重构质量高.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号