主元分析法

摘要： 燃气调压器存在故障数据样本少、发生故障不易察觉等问题,传统的离线诊断模型难以有效学习故障数据的特征信息且难以实时更新诊断系统。针对上述问题,提出一种基于集合经验模态分解(EEMD)、主元分析法(PCA)与在线贯序极限学习机(OSELM)结合的故障诊断方法。利用EEMD对获取的故障数据流进行频域分解,并通过PCA对已分解的不同频率分量进行特征提取;然后,随机选取少量经处理后的故障特征样本利用极限学习机(ELM)算法对模型进行初始化,并将剩余样本经EEMD⁃PCA处理后以数据流的方式对现有模型进行更新,通过在线增量学习方法递推计算故障诊断系统参数并给出诊断决策。利用某调压器故障信息进行仿真实验,结果表明,所提EEMD⁃PCA⁃OSELM故障诊断方法能在保证较高识别率的前提下实现快速故障诊断。

摘要： 球磨机是磨矿生产中的主要设备,但其运行时的内部负荷无法被直接检测,因此难以对负荷进行实时有效地控制,导致磨矿效率受到影响。针对此问题,文中通过磨矿实验采集球磨机磨音信号,对信号进行Welch功率谱分析,研究了磨音频谱信息与球磨机负荷之间的关系。利用PCA对功率谱进行特征提取,为球磨机负荷预测提供外部特征信息。然后,采用PSO对SVM相关参数进行寻优并建立PCA-PSO-SVM球磨机负荷预测模型。研究结果表明,该球磨机预测模型的预测均方根误差为1.1443,平均绝对误差为0.9125,平均百分比误差为2.7979%,证明了该模型对球磨机负荷预测的有效性和稳定性。

摘要： 为避免电力事故扩大,降低故障损失,需要提升电力调度故障监测效果,为此,引用人工智能技术,提出一种变电站内电力调度故障诊断方法。采用信息多尺度化策略,整合异质异构知识资源,处理结构化与非结构化数据。根据故障特征之间的非线性耦合关系,改进主元分析法,利用核主元分析的特征提取法,非线性映射样本数据,重构特征向量信号,结合最小误差准则,挖掘出异常数据,得到高质量特征数据。基于典型的BP神经网络算法,建立电力调度故障诊断架构,通过网络层处理电力调度阶段的相关数据,在输出层获得故障类型,完成故障诊断。在仿真实验阶段,利用训练样本集训练网络,得到较为理想的神经网络结构,从单一诊断准度、总体准度、响应时间等多个角度评估故障诊断效果,各指标数据表明,所提方法能快速且准确地诊断出故障,具有较好的实践性。

摘要： 主元分析(principal component analysis,PCA)方法由于原理简单计算方便,被普遍应用于工业无监督异常检测,但具有异常值敏感且所得主元非稀疏等问题。针对传统鲁棒稀疏PCA没有从根本上解决异常值敏感问题且没有给定稀疏度的确定方式,提出了一种改进的工业异常检测方法IRSPCA(improved robust sparse PCA)。具体地,在对L_(1)范数最大化处理以及L_(0)范数惩罚项引入的基础上,提出了用于平衡稀疏性和方差的稀疏性准则,基于该准则开发了一种两阶段稀疏度选择策略,并利用遗传算法求得了主元稀疏度的最优解。另外,设计了基于预测误差平方和(squared prediction error,SPE)统计量的异常值剔除策略,用于增强方法的整体鲁棒性。通过数值仿真和真实烟支成品检测两个案例开展了实验验证。结果显示IRSPCA综合性能均优于传统PCA和鲁棒稀疏PCA方法,充分验证了方法的有效性和优越性。

摘要： 在采用主成分分析(principal component analysis,PCA)算法进行故障检测时,主元的选取及处理直接影响其故障检测的表现。对此,提出一种基于全变量表达(full variable expression,FVE)和海林格距离(Hellinger distance,HD)的故障检测方法。首先,利用FVE得到所有关键主元,即保留所有变量信息;然后考虑到与故障相关主元的重要性,定义基于海林格距离的变化率,用来衡量正常工况下主元与异常工况下主元的差异;对与故障发生更相关的主元进行加权,以突出与故障相关主元对于后续故障检测的影响;最后,考虑到降维后数据通常服从非高斯分布,利用改进的局部离群因子(local outlier factor,LOF)构建统计量,其相应控制限通过核密度估计(kernel density estimation,KDE)确定。数值实例及带钢热连轧实际生产数据验证了所提方法的有效性与优越性。

摘要： 文章应用主元分析法对Lyocell溶胀溶解工艺进行故障诊断研究。选取溶胀溶解工艺过程的20个工艺指标进行分析,通过数据预处理、建立增广矩阵生成PDCA模型并确定主元个数;应用Q统计法和T2统计法分析故障的产生;使用主元贡献图法确定故障源。

摘要： 当前,变电设备存在故障信息缺失的情况.文章展开基于主元分析法的变电设备资产寿命周期成本核算研究,提取数据中的主成分代替所有数据,给出核算结果.研究表明,主元分析理论提高了计算精度,解决了故障信息缺失的问题.

摘要： 为了准确地表达PV型旋风分离器的粒级效率与结构参数、操作参数之间复杂的非线性关系,采用PCA-PSO-SVR混合算法对PV型旋风分离器的粒级效率进行建模.采用主元分析法(PCA)对实验数据集进行降维处理,通过粒子群优化算法(PSO)对支持向量回归(SVR)模型中的超参数进行优化.将优化后的回归模型和其它机器学习模型在预测准确性、泛化性、鲁棒性以及运行速度方面进行了对比,结果表明,利用PCA-PSO-SVR算法对PV型旋风分离器的粒级效率建模是一种准确而有效的方法.

摘要： 冷水机组是一个高度非线性的复杂系统,其自控系统传感器故障会导致冷水机组的运行偏离正常状态,导致能耗浪费.采用冷水机组正常运行数据,通过基于多元统计的主元分析方法建立训练矩阵,利用平方预测误差进行故障分析工作.通过引入不同程度故障,分析主元分析方法的检测效率.结果表明,主元分析法故障检测效果明显,但对于不同传感器的不同程度故障,故障检测的误判率存在一定的差异.

摘要： 回转支承是大型旋转机械中重要的连接部件,由于其低速、重载的特点,信号微弱且受大量干扰,从回转支承原始振动信号中提取出有效的故障特征是对回转支承进行故障诊断的前提.本文采用时域分析和小波包能量提取回转支承振动信号的特征向量,并利用主元分析法(PCA)模型对特征进行降维;然后将得到的特征向量利用离散隐马尔科夫(DHMM)进行诊断研究,并与神经网络诊断方法进行比较,得出结论:离散隐马尔科夫(DHMM)诊断效果优于神经网络法.

摘要： 在机械故障诊断中,往往采用同类多传感器进行数据测量,而在传感器过多时会导致增加数据之间的冲突性,由此怎么在测量的数据中选择最优的数据成为了一大难题.本文首先分析了影响传感器测量数据的主要因素,构建了同类多传感器测量数据优化矩阵,再采用主元分析法进行降维,利用指标贡献率和差值法选择最优的传感器测量的数据,最后通过拉普拉斯特征映射法对四种不同转速下的正常齿轮信号与点蚀故障齿轮信号进行分析,结果表明优选后的传感器测量数据比未优选的传感器测量数据更具有可识别性.

摘要： 储运过程中的重要设备包括储罐、管道、泵及阀门等，随着使用年限的增加，设备堵塞或者泄漏事故时有发生。针对储运过程监控变量多、工艺复杂、故障样本数据相对有限及故障诊断精确度不高的问题,在分析主元分析原理和局部K-flats方法的基础上,提出主元分析法与局部K-flats方法相结合的储运过程故障诊断方法,建立了提高诊断性能的故障诊断模型,给出了选用主元分析法进行数据降维,构造新的训练和测试样本数据,最后进行故障在线诊断的流程.以数字化油库为研究对象进行了油料收发过程中的故障诊断实验,验证了提出方法的有效性.

摘要： 在重氧水生产过程中,为保证产品的产量及质量,需要对与其相关的过程变量进行实时的监控;然而在实际过程中,直接与生产相关的参数往往无法或难以用传感器直接检测,只能通过采样离线人工化验的方法得到,因此针对实际生产需要提出一种基于BP神经网络的预测系统.通过PCA-BP神经网络对18O水精馏过程进行建模,初选了输入变量,运用主元分析法对变量进行处理,缩小了数据维数,建立神经元网络,并对网络进行了训练及测试.结果表明,该模型收敛速度快,精度较高,能满足大规模生产的需求.

摘要： 提出了一种将主元分析应用在尺度不变特征变换(SIFT)的图像配准算法.SIFT算法具有匹配能力强,提取特征稳定的特点,能够处理图像间发生平移、旋转、仿射变换、视角变换、光照变换情况下的匹配问题,是实现差异较大的图像间进行图像配准的理想算法.针对SIFT算法采用128维特征向量表示,当在图像特征点较多情况下进行匹配实验时,存在存储空间大、匹配耗时多等缺点.文本首先从用户定义的感兴趣区提取特征点来达到降低算法复杂度的目的;然后用主元分析法(PCA)对多维特征向量进行降维处理,提高运算效率;最后采用高斯加权欧式距离代替欧式距离进行特征点的匹配.实验结果表明,算法具有较好的稳定性、准确率和匹配速度,可应用在基于内容的图像与视频检索等机器视觉领域。

摘要： 核独立元分析(KICA)故障检测方法的故障检测时间易受独立元顺序和主导独立元数目经验选取的影响，针对这个问题，提出基于KICA和高斯混合模型(GMM)的故障检测方法。采用KICA从正常工况测量数据中提取独立元，用GMM拟合各独立元的概率密度函数，建立基于GMM的监控量及其控制限；计算各独立元的监控量均值，以此判断其非高斯性强弱，对每个强非高斯独立元进行单独监控，对弱非高斯部分采用主元分析法进行监控。在Tennessee Eastman过程上的仿真结果说明，相比于KICA故障检测方法，所提方法不需要排序独立元和选取主导独立元数目，避免了其对故障检测时间的影响，能够有效利用过程信息，缩短故障检测的延迟时间。

摘要： 针对网络入侵异常检测模型输入特征的高维共线性问题,以及网络环境动态变化频繁等问题,文章提出基于主元分析(PCA)和互信息(MI)维数约简策略的快速网络入侵异常检测模型构建方法.该方法首先通过基于PCA的特征提取技术对输入变量进行潜在特征提取,消除变量间的共线性;然后采用基于MI的特征选择技术对PCA提取的潜在变量进行选择,进而实现与异常检测模型输出类别最为相关的相互独立的特征变量的选择;最后,以这些特征输入,基于具有较快学习速度的随机向量泛函联接(RVFL)网络建立检测模型.在国际KDD99数据集上的仿真实验表明所提方法能够合理提取和选择特征,具有较快的学习速度和较好的推广性.

摘要： 针对网络入侵异常检测模型输入特征的高维共线性问题,以及网络环境动态变化频繁等问题,文章提出基于主元分析(PCA)和互信息(MI)维数约简策略的快速网络入侵异常检测模型构建方法.该方法首先通过基于PCA的特征提取技术对输入变量进行潜在特征提取,消除变量间的共线性;然后采用基于MI的特征选择技术对PCA提取的潜在变量进行选择,进而实现与异常检测模型输出类别最为相关的相互独立的特征变量的选择;最后,以这些特征输入,基于具有较快学习速度的随机向量泛函联接(RVFL)网络建立检测模型.在国际KDD99数据集上的仿真实验表明所提方法能够合理提取和选择特征,具有较快的学习速度和较好的推广性.

摘要： 针对网络入侵异常检测模型输入特征的高维共线性问题,以及网络环境动态变化频繁等问题,文章提出基于主元分析(PCA)和互信息(MI)维数约简策略的快速网络入侵异常检测模型构建方法.该方法首先通过基于PCA的特征提取技术对输入变量进行潜在特征提取,消除变量间的共线性;然后采用基于MI的特征选择技术对PCA提取的潜在变量进行选择,进而实现与异常检测模型输出类别最为相关的相互独立的特征变量的选择;最后,以这些特征输入,基于具有较快学习速度的随机向量泛函联接(RVFL)网络建立检测模型.在国际KDD99数据集上的仿真实验表明所提方法能够合理提取和选择特征,具有较快的学习速度和较好的推广性.

摘要： 本发明提供了用于电力网络节点谐波特性分析的多主元模态分析法，包括以下步骤：1、构建电力网络的节点导纳矩阵，对节点导纳矩阵进行特征分解；2、构建电力网络的节点导纳方程，得到电力网络节点的模态阻抗；3、对模态阻抗矩阵的特征根排序，根据累积方差贡献率的指标确定保留的特征根的个数；4、计算电网的谐波畸变水平的指标；5、计算电力网络节点的谐波风险评估指标。本发明在传统的模态分析法的基础上，利用累积方差贡献率的指标来确定保留的模态的个数，避免了注入电力网络中的丰富的谐波成分中含有非谐振频次的谐波，单一模态量占主要地位的条件被破坏，而导致电力网络节点谐波特性分析的精度达不到要求的问题。

摘要： 本发明提供了用于电力网络节点谐波特性分析的多主元模态分析法，包括以下步骤：1、构建电力网络的节点导纳矩阵，对节点导纳矩阵进行特征分解；2、构建电力网络的节点导纳方程，得到电力网络节点的模态阻抗；3、对模态阻抗矩阵的特征根排序，根据累积方差贡献率的指标确定保留的特征根的个数；4、计算电网的谐波畸变水平的指标；5、计算电力网络节点的谐波风险评估指标。本发明在传统的模态分析法的基础上，利用累积方差贡献率的指标来确定保留的模态的个数，避免了注入电力网络中的丰富的谐波成分中含有非谐振频次的谐波，单一模态量占主要地位的条件被破坏，而导致电力网络节点谐波特性分析的精度达不到要求的问题。

摘要： 本发明本发明公开了一种基于有限元分析法的立井提升机主轴振动检测方法，根据立井提升机的特殊结构采用一体化振动变送器检测提升机主轴的振动频率幅度等数据，并采用变送器将振动信号转为4-20MA模拟信号传送给现场的S7-300PLC，然后经PLC处理后采用RS485总线经CP343-1LEAN总线转换器转换成PC机上能识别的TCP/IP以太网信号，进而经井下环网送入位于监控室内的上位机并由上位机中的组态王软件接收然后传输给内置MATLAB软件的有限元算法模型中，经过演算获得较准确的未来发展趋势预警，并将数据实时显示在上位机上，通过监控室的PC机实时监测提升机的安全运行，以确保煤矿生产的安全稳定。本发明从立井提升机安全性出发，结合日常运行的实际情况，充分利用有限元算法的优点对提升机运行状况进行预测，以实现在事故情况未发生时，及时进行警告修理，以确保井下工作人员的安全。

摘要： 本发明属于三维模型重建技术，特别涉及一种融合有限元分析法的超声波三维快速重建及分析方法，所述重建方法包括：以超声波点阵所在的平面为x‑y平面建立笛卡尔坐标系；对所需要扫描的空间域进行网格化剖分，将需要扫描的空间划分为多个子空间；在已进行网络划分的扫描空间中，利用M×N的超声波点阵分别对物体的主视图、仰视图、左视图、右视图、俯视图、后视图进行数据的采集；针对每个视图的超声波点阵，进行三维三次样条插值，获得该视图的三维曲面；将物体各个视图的三维曲面进行拼接，获得物体的三维模型；本发明不依赖计算机成像辅助算法，图像清晰度具有大幅提高；同时本申请数据运算量少，大幅度减少空间感知信息。

摘要： 本发明公开了一种基于主元分析法的校准分光光度计仪器间误差的方法。该方法通过标准分光光度计和测试分光光度计对校准样本的测量分别得到标准光谱和测试光谱，然后利用主元分析法将标准光谱和测试光谱分别转换到标准系数矩阵和测试系数矩阵，接着采用最小二乘法拟合标准系数矩阵和测试系数矩阵计算得校准矩阵，最后根据校准矩阵实现对任一经测试分光光度计测得的光谱数据的校准。该发明应用简单、效率高、具有很高的实用价值。

摘要： 本发明涉及一种基于多向主元分析法的多阶段批次过程阶段划分方法，包括模型数据采集、三维数据展开、二维矩阵标准化、PCA分解、主元个数选取、负载矩阵分解和K-means聚类分析来实现，本发明首次将多向主元分析法模型的负载矩阵按照时间片顺序经过分解变形来辨识过程阶段，打破了传统理论中多向主元分析法不适用于多阶段批次过程建模的认识误区，该方法不仅提取了各个时间片上变量的交叉相关性，同时还提取了测量变量在整个批次各个采样时刻的自身的动态变化特性来辨识阶段，提高了过程监测过程的监测效率和故障诊断结果的准确性，为无过程先验知识条件下的多阶段过程阶段划分提供了新的可能性。

摘要： 本发明公开了一种基于BP神经网络和主元分析法的齿轮箱故障诊断方法及系统，本方法包括：采用正常和若干种不同故障状态的齿轮作为实验模型，采集振动信号；运用改进的粒子滤波算法对采集的振动信号进行降噪处理；改进的粒子滤波算法是将遗传变异算法和粒子群优化算法结合并引入到粒子滤波算法的采样过程中；对降噪后的振动信号进行主元分析，获得优化和选取的特征值；构建BP神经网络模型，根据获得的特征值进行齿轮箱故障识别，并运用四折交叉验证精确度。本发明将BP神经网络与主元分析和粒子滤波相结合，能广泛应用于不同类型的齿轮箱故障诊断，且具有较高识别率和精度，普适性高。

摘要： 本发明公开了一种基于主元分析法的土壤腐蚀性评价方法，它包括：采集土壤腐蚀性评价因素变量；对采集的土壤腐蚀性评价因素变量进行标准化处理得到标准化后的评价因素变量；建立样本相关矩阵V，得到相关矩阵V的12个特征值λi及特征向量ui；将特征值按大小顺序进行排列；特征值λi的累计方差贡献率达到85％以上时的个数则为主元个数，由特征向量ui与标准化评价因素变量Z1～Z12线性组合后得到标准化主元模型；根据主元权重值建立土壤腐蚀性多项指标综合评价模型Y；解决了现有技术对土壤腐蚀性评价采用土壤电阻率单项指标进行评价或采用综合评价法评价存在的不能全面反映土壤腐蚀程度和准确度不高等技术问题。

摘要： 本发明公开了一种基于主元分析法的校准分光光度计仪器间误差的方法。该方法通过标准分光光度计和测试分光光度计对校准样本的测量分别得到标准光谱和测试光谱，然后利用主元分析法将标准光谱和测试光谱分别转换到标准系数矩阵和测试系数矩阵，接着采用最小二乘法拟合标准系数矩阵和测试系数矩阵计算得校准矩阵，最后根据校准矩阵实现对任一经测试分光光度计测得的光谱数据的校准。该发明应用简单、效率高、具有很高的实用价值。

摘要： 本发明涉及一种基于多向主元分析法的多阶段批次过程阶段划分方法，包括模型数据采集、三维数据展开、二维矩阵标准化、PCA分解、主元个数选取、负载矩阵分解和K-means聚类分析来实现，本发明首次将多向主元分析法模型的负载矩阵按照时间片顺序经过分解变形来辨识过程阶段，打破了传统理论中多向主元分析法不适用于多阶段批次过程建模的认识误区，该方法不仅提取了各个时间片上变量的交叉相关性，同时还提取了测量变量在整个批次各个采样时刻的自身的动态变化特性来辨识阶段，提高了过程监测过程的监测效率和故障诊断结果的准确性，为无过程先验知识条件下的多阶段过程阶段划分提供了新的可能性。