如需要完整文档点击下方 "点击下载文档" 按钮
针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向 量机(0CSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变ft中的 动态独立成分作为特征信息,基于特征信息建立0CSVM模型并构造非线性监控统计童。检测到故障后,计算故障 数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在TenneSSee Eastman基准过程上的仿 真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。
如需要完整文档点击下方 "点击下载文档" 按钮
《基于动态独立成分的单类支持向量机方法及其在 故障诊断中的应用》
将 完整文档 下载到本地,方便收藏和查阅
文件号:167493
点击下载文档