基于KICA-KFDA的集成故障识别算法

• 作者: 刘如成 胡寿松 许洁 赵瑾
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 故障识别 过程监控 核独立成分分析 核Fisher判别分析
• 年，卷（期）: 2013,（6）
• 页码范围: 812-817
• 页数: 6页
• 分类号: TP277
• 字数: 4978字
• 语种: 中文

摘要

针对复杂的化工过程,提高过程监控能力,提出基于核独立成分分析(Kernel independent component analysis,KICA)和核Fisher判别分析(Kernel fisher discriminant analysis,KFDA)的过程监测与故障识别方法.通过利用核独立成分分析建立正常工况模型,得到检测故障信息.在发生故障的情况下,利用Fisher判别分析方法在高维的特征空间的特点和优势,可求出满足最大分离程度的核Fisher判别向量和特征向量,根据当前故障的判别向量和历史故障数据集中所含故障的最优核Fisher判别向量的相似度进行故障识别.仿真结果验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡寿松	南京航空航天大学自动化学院	185	3001	28.0	46.0
2	赵瑾	南京师范大学电气与自动化工程学院	25	129	6.0	9.0
3	刘如成	南京师范大学电气与自动化工程学院	9	51	5.0	7.0
4	许洁	南京师范大学电气与自动化工程学院	9	111	5.0	9.0