论文研究-基于KECA和FWA-SVM的间歇过程分时段故障诊断方法.pdf

所需积分/C币:40 2019-07-22 21:09:55 1.16MB .PDF
收藏 收藏
举报

针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析(KECA)特征变量降维,利用烟花算法(FWA)优化支持向量机(SVM)参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析(MKPCA)进行在线故障监测,输出故障数据;其次,利用K-means分类方法将间歇过程划分为若干个子时段,对故障数据进行KECA特征变量处理,按熵值贡献率来确定选取主元的个数,深层提取特征信息;最后,在各子时段内分别构建FWA优化SVM参数故障诊断模型,将降维处理后的故障数据代入各自所属子时段FWA-SVM诊断模型内进行故障诊断。通过对青霉素仿真实验数据进行各种对比实验研究,验证了该方法的

...展开详情
试读 6P 论文研究-基于KECA和FWA-SVM的间歇过程分时段故障诊断方法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于KECA和FWA-SVM的间歇过程分时段故障诊断方法.pdf 40积分/C币 立即下载
    1/6
    论文研究-基于KECA和FWA-SVM的间歇过程分时段故障诊断方法.pdf第1页
    论文研究-基于KECA和FWA-SVM的间歇过程分时段故障诊断方法.pdf第2页

    试读已结束,剩余4页未读...

    40积分/C币 立即下载 >