基于改进的KPCA和隐马尔科夫模型的工业故障诊断方法

摘要

本发明公开了一种基于改进的KPCA和隐马尔科夫模型的工业故障诊断方法，属于工业过程监控与诊断技术领域。本发明通过相似性分析方法的引入大大提高了KPCA在大样本情况下的计算效率，并且利用隐马尔科夫模型极强的动态过程时间序列建模能力和时序模式分类能力，对工业过程的故障进行分类。因此与其它现有的方法相比，由于充分考虑了工业数据的非线性特性以及海量数据的特点，本发明方法不仅可以降低计算的复杂度，而且可以更有效处理过程的非线性特征，从而对于非线性工业故障诊断具有更高的准确率。