典型文献
基于滑动窗口KECA-SVM的非线性过程故障检测
文献摘要：
为了有效地提高支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于滑动窗口的核熵成分分析(KECA)和支持向量机(SVM)结合(MWKECA-SVM)的非线性过程故障检测方法.运用核熵成分分析(KECA)提取包含非线性特征信息的得分向量作为SVM的输入.运用正常和故障数据的非线性特征向量训练SVM模型获得判别分类函数.建立模型之后,运用滑动窗口对模型进行动态更新.将MWKECA-SVM方法应用于田纳西-伊斯曼过程中,并与核主元分析(KPCA)、滑动窗口KPCA (M WKPCA)、KECA和SVM方法进行比较.结果 表明,MWKECA-SVM方法能够动态地提取过程变量的特征信息,有效地提高故障检测率,在一定程度上增强了信息的动态提取和实时监控能力.
文献关键词：
滑动窗口;核熵成分分析;支持向量机;非线性过程;故障检测;实时监控
中图分类号：
作者姓名：
郭金玉;李涛;李元
作者机构：
沈阳化工大学信息工程学院,辽宁沈阳 110142
文献出处：
引用格式：
[1]郭金玉;李涛;李元-.基于滑动窗口KECA-SVM的非线性过程故障检测)[J].沈阳大学学报（自然科学版）,2022(01):37-44
A类：
MWKECA,WKPCA
B类：
滑动窗口,非线性过程,高支,工业过程,检测性能,核熵成分分析,故障检测方法,非线性特征,特征信息,故障数据,特征向量,分类函数,建立模型,动态更新,于田,田纳西,伊斯曼,核主元分析,故障检测率,实时监控
AB值：
0.219673
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
