排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
动态内偏最小二乘(DiPLS)方法是基于数据驱动的潜结构投影的动态扩展算法, 用于动态特征提取和关键
性能指标预测. 在大型装备系统中, 传感器采集的当前时刻样本受历史样本的影响且可能包含较大噪声. 在动态特
征提取中, 因DiPLS算法未按降序提取主成分, 导致残差空间仍存在较大变异, 动态和静态信息难以有效分离, 影响
故障检测性能. 为此, 本文提出了一种基于动态内全潜结构投影的故障检测方法(DiTPLS). 首先, 使用动态内偏最小
二乘方法和向量自回归模型建立动态模型并检测故障, 用于捕捉质量相关动态信息; 基于结构化动态主成分分析
算法建立一种改进的动态潜在变量模型, 用于残差分解, 提取质量无关的动态信息和静态信息, 并构造合适的统计
量进行故障检测. 数值仿真和田纳西–伊斯曼过程实验验证了DiTPLS算法的有效性. 相似文献
2.
针对实际工业过程故障检测时存在误报警现象及易缺失部分时段质量数据的问题,提出在线监测动态内潜结构投影(OM-DiPLS)模型.该模型通过引入时延的质量数据,使得在缺失部分时段质量数据时能够实现模型的更新.为了更好地监控质量变量中不可预测的信息,基于OM-DiPLS模型提出在线监测动态内并行潜结构投影模型.该模型将过程数据和质量数据投影到输入输出相关的协变子空间、输出无关但过程相关的输入主子空间、输入残差子空间、不可预测的输出主子空间及输出残差子空间,通过对各子空间构造相应的统计量,实现过程监测.田纳西-伊斯曼过程仿真的实验表明,利用所提算法有效提高了质量相关故障的有效检测率,降低了质量无关故障的误报率. 相似文献
3.
4.
1