位置:成果数据库 > 期刊 > 期刊详情页
基于主元分析与支持向量机的方法及其在过程监控诊断中的应用
  • ISSN号:1673-9728
  • 期刊名称:《弹箭与制导学报》
  • 时间:0
  • 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,长沙410083, [2]韶关学院信息工程学院,广东韶关512024, [3]湖南工业大学自动化学院,湖南株洲412000
  • 相关基金:国家自然科学基金(60634020)资助
中文摘要:

基于支持向量机(SVM)在处理小样本、高维数及泛化性能强等方面的优势,提出了基于主元分析和支持向量机(PCA—SVM)对过程进行监控的方法。文中先利用主元分析方法进行特征数据提取,得到降维的主元特征向量,去除了高维样本变量相关性。然后分析各状态T^2统计、SPE统计量的变化趋势,对实际生产状况进行监控,最后利用SVM与最近邻法相结合的策略对特征向量进行分类识别。试验结果证实了提出算法的有效性。

英文摘要:

Based on the high performance of support vector machine (SVM) in tackling small sample size, high dimension and its good generalization, a process monitoring method hased on principal component analysis (PCA) and SVM is proposed. Firstly, the PCA approach is adopted to extract the feature and reduce the dimension of data by getting rid of the correlation among them, and then it is applied to statistical process control of the imperial smelting furnace (ISF), with the change trend of expectations of T^2 and SPE statistics of the data, the ISF manufacture states are rested. Finally, the SVM combined with the nearest neighbor method is used for classification. The experiment result shows that the method is effective.

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
  • 《弹箭与制导学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国兵工学会
  • 主编:王东
  • 地址:西安市丈八东路10号学报编辑部
  • 邮编:710065
  • 邮箱:djzdxb@126.com
  • 电话:029-88293167
  • 国际标准刊号:ISSN:1673-9728
  • 国内统一刊号:ISSN:61-1234/TJ
  • 邮发代号:
  • 获奖情况:
  • 陕西省科技期刊二等奖
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国北大核心期刊(2004版),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),中国北大核心期刊(2000版)
  • 被引量:9136