位置:成果数据库 > 期刊 > 期刊详情页
基于核主元分析与支持向量机的监控诊断方法及其应用
  • ISSN号:1672-7207
  • 期刊名称:中南大学学报(自然科学版)
  • 时间:0
  • 页码:1323-1328
  • 语言:中文
  • 分类:TP277[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]中南大学信息科学与工程学院,湖南长沙 410083, [2]韶关学院计算机科学学院,广东韶关 512024
  • 相关基金:国家自然科学重点基金资助项目(60634020); 国家自然科学基金资助项目(60574030); 国家教育部博士点基金资助项目(20050533016)
  • 相关项目:面向节能降耗的有色冶金过程控制若干理论与方法研究
中文摘要:

为了及时反映密闭鼓风炉冶炼过程状态,实现对密闭鼓风炉炉况的监控与诊断,提出核主元分析和多支持向量机分类的相结合的过程监控与故障诊断方法。其原理是:首先,用核主元分析方法提取过程数据特征,建立核主元分析的监控模型;然后,将代表过程特征的核主元送入多支持向量机分类器中,利用"一对其余"算法对故障进行诊断与分类。实验结果表明,所提出的方法与传统的主元分析方法相比,整个样本集的可分性变大,分类正确率提高,能更准确地诊断炉子的各种故障,可有效地用于密闭鼓风炉冶炼过程的故障诊断。

英文摘要:

In order to monitor the imperial smelting furnace(ISF)state in time and accurately diagnose the faults,a fault diagnosis approach based on kernel principal component analysis(KPCA)and multi-class classifiers of support vector machine(SVM)was proposed.The principle of the method was as follows:Firstly,the KPCA approach was adopted to extract the feature and the monitoring model was established.Secondly,the SVM multi-class classifiers with'one to other'algorithm was used for classification with the input of the feature.The experimental results show that,compared with the features extracted by principal component analysis(PCA),the proposed method increases the separability of the data set,performs better recognition ability,and it can be used in the imperial smelting furnace(ISF)fault diagnosis.

同期刊论文项目
期刊论文 287 会议论文 65 获奖 9 专利 15 著作 2
同项目期刊论文
期刊信息
  • 《中南大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:中南大学
  • 主编:黄伯云
  • 地址:湖南长沙中南大学校本部
  • 邮编:410083
  • 邮箱:zngdxb@csu.edu.cn
  • 电话:0731-88879765
  • 国际标准刊号:ISSN:1672-7207
  • 国内统一刊号:ISSN:43-1426/N
  • 邮发代号:42-19
  • 获奖情况:
  • 首届全国优秀科技期刊评比一等奖,第二届全国优秀科技期刊评比一等奖,首届中国有色金属工业优秀科技期刊评比一等奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:20874