一种用于故障监测的优化核主元分析方法

作者：肖应旺; 姚美银; 刘军; 张绪红; 陈贞丰

来源：计算机与应用化学, 2019, 36(04): 434-438.

DOI：10.16866/j.com.app.chem201904025

• KPCA
• PSO
• 非线性特征
• 故障监测

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。

• 单位
  自动化学院; 广东技术师范大学