论文研究-基于小波重构与SVM-BPNN的动态过程在线智能监控.pdf,
为了提高动态过程运行状态在线监控效率，提出了基于小波重构与支持向量（support vector machine，SVM）-反向传播神经网络（back propagation neural network，BPNN）相结合的在线智能监控方法.首先，运用离散小波变换对动态过程实测数据流进行重构，并提取其形状特征.其次，利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM，对“监控窗口”内实测数据流进行异常模式识别.最后，应用该方法对某精密轴加工过程进行在线智能监控.结果表明：所提模型识别精度高、训练耗时少，其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机（multi-class support vector machine，MSVM）模型，是一种更为有效的动态过程在线智能监控方法.
