分步动态自回归核主元分析及其在故障诊断中应用

被引：4

作者：

张敏龙

王涛

王旭平

常红伟

王放

机构：

[1] 第二炮兵工程大学机电工程系

来源：

计算机应用 | 2016年 / 36卷 / 05期

关键词：

核主元分析; 滑动窗; 分步动态策略; 指数加权; 故障诊断;

D O I：

暂无

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

针对滑动窗自适应核主元分析法(KPCA)在处理参数敏感和缓慢劣化问题时存在的"过适应"现象,容易产生漏报的问题,提出了一种分步动态自回归KPCA算法。首先,借鉴动态数据矩阵思想,分步建立初始模型;然后,在滑动窗自适应KPCA的基础上,引入指数加权法则处理实时数据、更新模型;最后,分析算法复杂度,并给出具体实现步骤。利用模拟数据分析分解系数和加权因子对算法的影响,结果表明,与滑动窗自适应KPCA相比,所提方法在参数选择恰当的情况下,模型效率提高了近90%,误报次数几乎降为0,还能通过调整加权因子取值来控制算法的适应能力,以解决多样化的动态问题。将算法应用于压缩机喘振和轴承故障实验数据分析,验证了所提算法处理参数敏感和缓慢劣化问题的能力。

引用

页码：1464 / 1468

页数：5

共 11 条

[1] Nonlinear component analysis as a kernel eigenvalue problem [J].

Scholkopf, B ;

Smola, A ;

Muller, KR .

NEURAL COMPUTATION, 1998, 10 (05) :1299-1319

[2] 指数加权动态核主元分析法及其在故障诊断中应用 [J].

姜万录 ;

吴胜强 ;

刘思远 .

机械工程学报, 2011, 47 (03) :63-68

[3]

Research on PCA and KPCA Self-Fusion Based MSTAR SAR Automatic Target Recognition Algorithm[J]. Chuang Lin,Fei Peng,Bing-Hui Wang,Wei-Feng Sun,Xiang-Jie Kong. Journal of Electronic Science and Technology. 2012(04)

[4] Nonlinear dynamic process monitoring based on dynamic kernel PCA [J].

Choi, SW ;

Lee, IB .

CHEMICAL ENGINEERING SCIENCE, 2004, 59 (24) :5897-5908

[5]

Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics[J] . Hai Qiu,Jay Lee,Jing Lin,Gang Yu. &nbspJournal of Sound and Vibration . 2005 (4)

[6]

’’Bearing Data Set’’. LEE J,QIU H,YU G,et al. NASA Ames Prognostics Data Repository . 2015

[7]

一种新的基于KPCA和改进ε-SVM的入侵检测模型[J]. 余文利,余建军,方建文. 计算机工程与应用. 2015(11)

[8] 故障特征选择与特征信息融合的加权KPCA方法研究 [J].