导读:本文包含了主元分析方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:故障,动态,变量,函数,故障诊断,蜂群,航天器。
主元分析方法论文文献综述
肖应旺,姚美银,刘军,张绪红,陈贞丰[1]（2019）在《一种用于故障监测的优化核主元分析方法》一文中研究指出提出了一种基于混沌粒子群的优化核主元分析故障监测方法(Kernel Principal Component Analysis based on Chaotic Particle Swarm Optimization, CPSO-KPCA)。该方法充分利用了正常数据和故障数据的特征,通过混沌粒子群优化算法对KPCA的核函数参数进行优化,以发现最优的非线性特征,并能准确地监测出非线性故障。利用特征空间监测统计图,将该方法应用于轧钢过程的非线性监测,实际应用结果表明,该方法具有很高的故障监测精度。(本文来源于《计算机与应用化学》期刊2019年04期）
杨光,郦磊,王帝[2]（2019）在《基于改进主元分析方法的往复式压缩机故障检测》一文中研究指出针对往复式压缩机运行中的微小故障,提出一种改进的主元分析方法(Principal Component Analysis,PCA)。在线检验当前时间窗口内系统采样值的主元子空间,与没有发生故障时的采样的主元子空间作对比,以此来检验是否有故障产生。并使用传统主元分析方法和改进主元分析方法对某采油平台历史数据进行模拟检测试验。结果表明,改进的方法能够更加准确地识别对过程影响较小的故障。(本文来源于《机械设计》期刊2019年S1期）
邓佳伟,邓晓刚,曹玉苹,张晓玲[3]（2019）在《基于加权统计局部核主元分析的非线性化工过程微小故障诊断方法》一文中研究指出传统统计局部核主元分析(statistical local kernel principal component analysis, SLKPCA)在构造改进残差时未考虑样本的差异性,使得故障样本信息易于被其他样本所掩盖,针对该问题,提出一种基于加权统计局部核主元分析(weighted statistical local kernel principal component analysis, WSLKPCA)的非线性化工过程微小故障诊断方法。该方法首先利用KPCA获取过程的得分向量和特征值并构建初始残差。然后设计了一种基于测试样本与训练样本之间距离的加权策略构建加权改进残差,对含有较强微小故障信息的样本赋予较大权值,以增强故障样本的影响。最后,采用基于测量变量与监控统计量之间的加权互信息构建贡献图以识别故障源变量。在连续搅拌反应釜和田纳西伊斯曼(Tennessee Eastman, TE)化工过程上的仿真结果表明,所提方法具有良好的微小故障检测与识别性能。(本文来源于《化工学报》期刊2019年07期）
段怡雍,吴平,高金凤[4]（2019）在《基于稀疏动态主元分析的故障检测方法》一文中研究指出文章将动态主元分析(Dynamic Principal Component Analysis,DPCA)和稀疏主元分析(Sparse Principal Component Analysis,SPCA)两种方法结合起来,提出一种新的稀疏动态主元分析方法,并将其用于工业过程的故障检测;所提出的稀疏动态主元分析方法通过对过程数据的动态增广矩阵进行稀疏主元的求解,获取稀疏的负荷向量,该方法既考虑到了过程数据的动态特性,又降低了过程数据的冗余度,同时降低了计算负荷,非常适合工业过程的实时故障检测;此外,还提出了一种前向选择算法,用于确定稀疏主元中的非零负荷数目;最后,将所提出方法应用于数值例子和田纳西-伊斯曼过程,并将与主元分析、动态主元分析和稀疏主元分析等3种方法相比较,表明所提方法可以获得更好的故障检测效果。(本文来源于《计算机测量与控制》期刊2019年04期）
杜海莲,苗诗瑜,杜文霞,吕锋[5]（2019）在《改进主元分析方法及数据重构在工业系统中的故障诊断研究》一文中研究指出为了更加准确地对复杂工业生产系统进行故障判断,使生产系统更加稳定地运行,采用了改进的主元分析(Principal component analysis,PCA)方法及数据重构对工业过程进行故障诊断研究。采集工业系统正常和故障状态时的数据,将传统的PCA算法中平方预测误差(Squared prediction error,SPE)统计量分成两个,分别为主元显着关联的检测残差变量(Principal-component-related variable residual,PVR)和一般变量残差(Common variable residual,CVR)对系统进行故障判断。为了使系统在检测出故障之后尽量减少故障数据对系统的影响,又进一步应用数据重构方法,将故障数据重构成正常数据,并采用有效度指标进行验证。在故障发生的过程中对故障部分进行检修和排除,把生产系统受到故障的影响降到最低。改进的PCA方法和数据重构方法运用田纳西—伊斯曼过程的数据验证,使故障的检测结果更加准确,保证了生产系统的正常运行行。(本文来源于《南京理工大学学报》期刊2019年01期）
王语然[6]（2019）在《基于递推核主元分析的锂电池功率估算方法研究》一文中研究指出在锂电池充放电过程中,对峰值功率的估算可以评价锂电池在极限充放电时的能力,同时避免出现过充过放的现象,对锂电池的合理使用有着重要的影响。因此,锂电池功率状态SOP(State of Power)的估算研究对锂电池高效工作以及使用安全具有极其重要的意义。由于锂电池功率特性与电池电压、电流、温度、直流内阻以及SOC等参数相关,因此,设计电池性能数据采集系统,对电池参数进行在线检测。系统硬件电路以STM32为主控芯片,设计电压采集电路、电流采集电路、温度采集电路、数据通信电路,同时设计滤波电路以提升电路的抗干扰能力和稳定性。采用RS-485总线方式与上位机通信,实现实时地对锂电池电流、电压、温度信息的采集及传输。通过测试验证与分析,电压和电流的采集精确度满足设计需求。通过改进Thevenin等效电路模型,建立了电池等效电路模型,得到了电池性能参数电压、电流以及安时法SOC数学表达式,经实验和仿真对比验证了其模型的有效性。通过对电池性能进行测试,分析了电池放电倍率、温度、直流内阻等参数的变化对电池SOC的影响,并采用核主元分析算法判断影响电池SOC的主元因素,建立了电池SOC的估算模型,经仿真得到其估算精度。为了进一步提高电池SOC的估算精度,提出了采用递推核主元分析算法建立电池SOC估算模型,通过仿真对比验证其精度相对提高。分析与计算不同情况的电压、电流、SOC约束条件下的峰值功率,通过推导几种峰值功率从而确定锂电池SOP的估算模型。经仿真验证,递推核主元分析的估算精度满足要求。最后将SOP算法移植到上位机程序中,结合电池性能数据采集系统完成锂电池功率测试系统的设计,通过对系统的运行验证,证明系统可以实现对电池SOP的估算。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
翟坤,杜文霞,吕锋,辛涛,句希源[7]（2019）在《一种改进的动态核主元分析故障检测方法》一文中研究指出针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法,该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量,然后通过观测值扩展对筛选后的新数据构建增广矩阵,并对矩阵使用核主元分析提取变量数据的非线性空间相关特征,最后通过监测T2和SPE两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明,该方法能对风力发电机故障进行有效监测和诊断,与KPCA方法相比,改进的动态核主元分析方法对微小故障更为敏感。(本文来源于《化工学报》期刊2019年02期）
贾子文,顾煜炯[8]（2018）在《基于改进的多块核主元分析的风电机组故障诊断方法》一文中研究指出针对风电机组运行工况和数据信息结构复杂、机组故障诊断困难的特点,提出了基于因子分析改进的多块核主元分析(MBKPCA)方法,通过对运行数据信息的深度挖掘,建立了机组数据、变量和运行工况3者之间的关联机制。通过对应分析,明确机组变量与数据的关联性,确定MBKPCA子块数目及实际含义。采用因子分析寻找各子块数据与对应运行过程的相关性,提高MBKPCA诊断精度。结果表明:改进的MBKPCA方法能够及时准确地对风电机组故障进行诊断,具有一定的工程应用价值。(本文来源于《动力工程学报》期刊2018年10期）
石怀涛,赵纪宗,宋文丽,李颂华,刘建昌[9]（2018）在《基于人工蜂群优化核主元分析故障检测方法》一文中研究指出核主元分析方法(Kernel Principal Component Analysis,KPCA)能有效地捕捉数据的非线性特征,其故障检测能力很大程度上取决于核参数的选择。常用的核函数有多项式核函数和高斯径向基核函数等。该方法将多项式核函数和高斯径向基核函数进行线性组合,结合两者优点得到混合核函数,使用故障检测率作为优化目标的适应度函数,通过人工蜂群(Artificial Bee Colony Algorithm,ABC)优化算法对KPCA核参数的选取进行优化。将该方法应用到电主轴的转子不平衡故障分析中,对信号进行时域分析,利用KPCA对样本数据进行非线性特征提取,根据主元特征计算出的T2和SPE统计量实现故障检测。经过对实验数据分析表明,ABC优化算法较二分法、粒子群等优化算法能更有效地提高故障检测率。(本文来源于《控制工程》期刊2018年09期）
秦剑华,王莉[10]（2018）在《基于变权重主元分析的航天电源系统诊断方法研究》一文中研究指出针对航天器电源系统部件耦合性强且工作状态变化引起系统故障诊断准确度低的问题,提出采用一种将变量权重与主元分析相结合的变权重分层主元分析方法(VW-HPCA)用于航天电源系统的故障诊断。变权重分层主元分析方法,采用"全局+多分块"分层主元分析结构,融合基于系统故障传播知识的权重分配矩阵,其中,全局主元模型用于辨识电源系统不同的工作状态,实现工作状态的聚类;分块主元模型则用于对不同工作状态下的故障进行快速诊断。该方法的优点在于融合了系统故障传播方向的知识,利用权重分配将强耦合的变量进行"解耦",从而降低"污染效应",避免了在变量强耦合系统中,非故障相关变量被判断为故障变量,导致故障辨识的准确度降低的问题。基于航天器电源系统综合模拟平台,分别在不同工作状态下,基于阶跃、缓变以及随机类型的不同故障条件,对方法的有效性进行了验证,结果表明,变权重分层主元分析方法可以有效提高主元分析方法在航天器电源系统中的诊断准确率。(本文来源于《仪器仪表学报》期刊2018年08期）
主元分析方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对往复式压缩机运行中的微小故障,提出一种改进的主元分析方法(Principal Component Analysis,PCA)。在线检验当前时间窗口内系统采样值的主元子空间,与没有发生故障时的采样的主元子空间作对比,以此来检验是否有故障产生。并使用传统主元分析方法和改进主元分析方法对某采油平台历史数据进行模拟检测试验。结果表明,改进的方法能够更加准确地识别对过程影响较小的故障。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
主元分析方法论文参考文献
[1].肖应旺,姚美银,刘军,张绪红,陈贞丰.一种用于故障监测的优化核主元分析方法[J].计算机与应用化学.2019
[2].杨光,郦磊,王帝.基于改进主元分析方法的往复式压缩机故障检测[J].机械设计.2019
[3].邓佳伟,邓晓刚,曹玉苹,张晓玲.基于加权统计局部核主元分析的非线性化工过程微小故障诊断方法[J].化工学报.2019
[4].段怡雍,吴平,高金凤.基于稀疏动态主元分析的故障检测方法[J].计算机测量与控制.2019
[5].杜海莲,苗诗瑜,杜文霞,吕锋.改进主元分析方法及数据重构在工业系统中的故障诊断研究[J].南京理工大学学报.2019
[6].王语然.基于递推核主元分析的锂电池功率估算方法研究[D].哈尔滨理工大学.2019
[7].翟坤,杜文霞,吕锋,辛涛,句希源.一种改进的动态核主元分析故障检测方法[J].化工学报.2019
[8].贾子文,顾煜炯.基于改进的多块核主元分析的风电机组故障诊断方法[J].动力工程学报.2018
[9].石怀涛,赵纪宗,宋文丽,李颂华,刘建昌.基于人工蜂群优化核主元分析故障检测方法[J].控制工程.2018
[10].秦剑华,王莉.基于变权重主元分析的航天电源系统诊断方法研究[J].仪器仪表学报.2018
论文知识图
