欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
针对复杂工业生产过程中，多工况数据的中心漂移、模态密度差异大和变量尺度不同的三个特征，提出了基于局部马氏距离的加权k近邻（1m—w—kNN）故障检测方法．首先在欧式距离下寻找训练样本X在训练数据集中的前N近邻集，在前N个近邻集下计算X与其第k个近邻的马氏距离，其次以此近邻的局部k近邻集的平均局部马氏距离的倒数为权重，把加权马氏距离作为统计量D，统计量D能够降低中心漂移和模态方差差异大的影响且能在同一尺度上度量各变量，利用D的分布确定检测控制限；最后计算待检测数据的统计值，并与控制限作比较，实现在线故障检测．使用lm—w-kNN方法对非线性和多模态两个模拟实例进行故障检测，并与PCA方法、欧式kNN方法、马氏kNN方法作比较，验证了lm—w-kNN方法的有效性．
英文摘要：
In the process of complex industrial production, for the three characteristics of the center drift, the lager modal variance and variable scale difference of the multi-modal data, a local mahalanobis distance based weighed k-nearest-neighbor （lm-w-kNN） fault detection method is proposed. Using single mode and multi-mode two examples, as well as examples of penicillin data simulation experiments, compared with the PCA and kNN methodis to verify the effectiveness of the method.
同期刊论文项目
同项目期刊论文
Palmprint Recognition Based on Multilinear Principal Component Analysis and Fisher Linear Discrimina
期刊信息
位置：