基于故障判别增强KECA算法的故障检测

来源 :化工学报 | 被引量 : 0次 | 上传用户:ConchConch
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于核熵主成分分析方法的统计模型仅利用正常工况下数据进行建模,而忽略了监控系统数据库中一些已知类别的先前故障数据。为了利用先前故障数据中包含的故障信息来增强故障检测性能,提出了一种故障判别增强KECA (fault discriminant enhanced kernel entropy component analysis, FDKECA)算法。该法通过采用无监督学习和监督学习方法建立模型,同时监测非线性核熵主成分(kernel entropy component, KEC)和故障判别成分(fault
其他文献
2018年3月,国务院办公厅颁布了《关于全面推进金融业综合统计工作的意见》,提出要建立科学统一的金融业综合统计管理和运行机制,建成覆盖所有金融机构和金融基础设施和金融活动
报纸
新世纪以来,光纤通信网成为电信骨干网的主要技术。光信号在光纤中传输时,在各种损耗作用下,光信号的功率会下降。当传输的距离很长时,就需要在传输线路上加中继器,将衰弱的
当今金融市场竞争激烈,各家商业银行都在尽力抢占市场资源,信用卡业务作为商业银行的利润大头,自然也不例外。在国内一线城市中,信用卡业务竞争相当激烈,致使市场容量逐渐趋
社会化阅读是一种基于技术交互性的阅读方式,但结合社会情境,可以发现交互技术视角已不足以解释持续发展的社会化阅读现象,由此有必要将其纳入场域理论视角进行研究。在梳理