质量预测及故障诊断建模过程中非线性特征提取

• 作者: 朱志良 李凯 王大可 赵建喆
• 来源期刊: 东北大学学报：自然科学版
• 学科: 工学
• 关键词: 核主成分分析(KPCA) 粗糙集 非线性特征提取 支持向量机 故障诊断
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 信息与控制
• 页码范围: 793-796
• 页数: 4页
• 分类号: TP18
• 语种: 中文

摘要

工业生产的质量预测及故障诊断建模过程中所涉及的特征数目大、复杂性高、非线性突出,造成了模型维数过高、时间复杂度高、计算精度下降.针对上述问题,提出了一种基于核主成分分析和粗糙集的特征提取方法,首先使用核主成分分析进行特征提取,再对提取出的特征用粗糙集进行约简,介绍了该方法的原理和具体实现步骤.并以某玻璃厂锡槽作业工艺为背景进行仿真实验,应用实际生产数据建立支持向量机的故障诊断模型,将应用核主成分分析、粗糙集及所提方法提取出的特征输入SVM诊断模型.对比三种方法的实验结果表明,基于核主成分分析和粗糙集的特征提取方法提取出的特征更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凯		235	2703	26.0	45.0
2	朱志良		112	1344	20.0	32.0
3	赵建喆		8	7	2.0	2.0
4	王大可		2	1	1.0	1.0