基于小波重构的动态过程LSSVM-BPNN在线智能监控模型

• 作者: 刘玉敏 周昊飞
• 来源期刊: 系统管理学报
• 学科: 工学
• 关键词: 过程监控 提升小波重构 均值特征 形状特征 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2018,（2）
• 页码范围: 291-298
• 页数: 8页
• 分类号: TP391.4|TH165
• 语种: 中文

摘要

为实时监控动态过程的运行状态,提出基于提升小波变换和最小二乘支持向量机(LSSVM)及BP神经网络(BPNN)相结合的在线智能监控模型.采用提升小波变换提取原始数据的重构特征,并分别抽取重构后数据序列的均值、形状特征.利用基于提升小波重构特征的LSSVM判定动态过程是否异常,基于重构后均值特征的BPNN将5种异常模式划分为3个类别.通过基于重构后形状特征的LSSVM对3类异常模式进一步识别.最后,应用该模型对某精密轴加工过程进行在线智能监控.结果表明,与基于离散小波重构的BPNN模型、基于统计和形状特征的支持向量机模型相比,所提模型不仅识别精度高且训练耗时少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玉敏	郑州大学商学院	59	767	12.0	26.0
2	周昊飞	郑州航空工业管理学院管理工程学院	2	7	2.0	2.0