基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文章使用自回归因子分析模型(ARFA)对数据样本进行动态过程建模,分析了卡尔曼滤波和EM算法在估计ARFA模型中回归矩阵参数A和载荷矩阵参数C的方法.在此基础上,提出了一种使用变分贝叶斯EM(VBEM)故障检测方法,对ARFA模型参数A和C进行推断和动态过程故障检测.仿真实验结果表明,在ARFA模型下,VBEM方法对下文所述的阶跃信号、斜坡信号等四类故障的检测效果要优于EM方法对该类故障的检测效果,并且降低了平均迭代次数.
推荐文章
基于pLSA模型的滚动轴承故障检测
滚动轴承故障检测
小波包变换
视觉词袋模型
pLSA模型
基于扩展有限状态机模型的故障检测
扩展有限状态机
故障模型
故障检测
基于光伏组件内部参数辨识的故障诊断模型
光伏组件
参数辨识
量子粒子群
BP神经网络
故障诊断
基于 Kriging模型的冷水机组故障检测与诊断方法
Kriging模型
冷水机组
故障检测
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于VBEM的ARFA模型参数推导和故障检测
来源期刊 现代信息科技 学科
关键词 自回归因子分析模型 EM算法 变分贝叶斯EM 故障检测
年,卷(期) 2020,(24) 所属期刊栏目 信息技术|Information Technology
研究方向 页码范围 1-5,9
页数 6页 分类号 TP277|TP391.9
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2020.24.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1954(1)
  • 参考文献(1)
  • 二级参考文献(0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(6)
  • 参考文献(1)
  • 二级参考文献(5)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(8)
  • 参考文献(1)
  • 二级参考文献(7)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(5)
  • 参考文献(0)
  • 二级参考文献(5)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自回归因子分析模型
EM算法
变分贝叶斯EM
故障检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导