主元分析

摘要： “双碳”背景下,提升焦炭质量是保证钢铁行业高质量发展的研究重点之一,而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题。为此,提出一种通过自适应全局搜索算法,即改进鲸鱼优化算法(WOA)与长短期记忆(LSTM)循环神经网络综合建模的方法来解决这一问题。首先选取出配合煤中可反映焦炭质量的可测参数,再运用主成分分析(PCA)去除变异性小的冗余因子后,得到预测因子,将其作为LSTM网络的外部输入;通过加入自适应惯性权重以及最佳扰动更新改进WOA,从而训练LSTM网络的超参数,采用均方根误差(RMSE)和R-squared进行算法检验;最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比,以验证本方法的优越性。结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点。研究对焦炭生产具有一定的理论指导意义。

摘要： 针对三相整流装置突发故障时,检测复杂及诊断困难的问题,以三相桥式全控整流电路为研究对象,提出一种基于主元分析和宽度学习系统的故障诊断方法。提取负载输出电压为特征向量,经主元分析,对特征矩阵降维,消除数据相关性,保留数据基本特征;选择合适的初始参数,输入到宽度学习系统的网络中,构建故障诊断模型,对故障进行诊断。对比实验表明,基于主元分析和宽度学习系统相结合的故障诊断方法能够准确、高效、快速地获得故障诊断结果。

摘要： 针对销孔工件的目标点云和模型(源)点云空间坐标系不一致问题,提出了一种采用主元分析法(PCA)校正的改进ICP点云配准方法。首先,采用主元分析法(PCA)计算销孔工件目标点云和模型点云数据的主轴方向、并求得初始转换矩阵;其次,对初始转换矩阵进行误差分析,采用双向KD树近邻搜索最近点的方法加速两片点云初始转换矩阵的误差校正,得到校正后的转换矩阵,从而完成粗配准;然后,引入法向量夹角阈值约束剔除错误匹配点对改进ICP算法实现精配准,最终将两片点云坐标系调整一致。通过实验进行了比较分析,实验结果表明,该方法可以有效实现销孔工件的点云配准,同时获得较优的配准速度和精度,采用该方法最终的配准误差为0.0354mm,平均配准耗时4.639s。

摘要： 检测具有复杂性的间歇过程是非常困难的,它具有复杂性。为了最终达到对间歇过程的更有效地检测和诊断,降低系统的误报率,本文以pensim青霉素发酵过程的仿真为基础,设计了一种以多向主元分析为基础的故障检测方法,并利用MPCA和聚类分析法对间歇时段的故障进行检测。

摘要： 舰船变风量空调系统运行性能数据的挖掘分析,可为空调系统的运行性能衰减或设备老化判别提供依据。采用滑动窗口表征舰船变风量空调系统随内外负荷变化的动态响应时变性,主元相似因子选取无故障历史运行参照数据,采用主元分析计算累计贡献率确定最优主成分数构造荷载矩阵,通过比较平方预测误差和控制限的大小,判断空调系统是否发生故障。无故障测试日的平均故障检测率为2.71%,故障测试日的平均故障检测率75.97%。数据的测量精度对故障检测结果的影响很大,如果测量误差较大或者外界的扰动使空调系统处于非稳定状态,故障检测方法就很难识别出系统运行性能特征变化,导致故障检测率较低。

摘要： 针对锅炉飞灰含碳量在线测量参数多变、惯性大等问题,设计一种改进型BP神经网络飞灰含碳量预测模型.通过主元分析法分析各燃烧工况与飞灰含碳量的关系,利用信息熵将标准BP神经网络中的误差函数进行改进,以抑制输入样本中的干扰噪声,并采用主元分析法筛选模型中输入参数,精简网络模型.结合所提出的改进型BP-WA(BP神经网络-狼群算法)优化控制策略对锅炉燃烧运行工况进行优化控制仿真研究,结果表明:采用改进型BP-WA优化控制策略优化飞灰含碳量前后,锅炉飞灰含碳量预测与标准BP网络模型方法相比,均方误差降低0.012 1;飞灰含碳量降低3.50%,提升了锅炉运行的稳定性.

摘要： 以提升船舶航行安全性为目的,研究基于传感器采集信息的船舶发动机状态智能检测方法。该方法利用转速传感器、压力传感器、温度传感器等组成传感器阵列,采集船舶发动机状态信息,基于核函数的主元分析方法提取发动机状态信息特征,将发动机状态信息特征输入到最小二乘支持向量机内,通过建立最小二乘支持向量机优化目标函数、设置约束条件和建立检测输出函数,完成船舶发动机状态智能检测过程。实验结果表明:该方法采集的船舶发动机震动信息最大数值与最小数值与其实际数值完全重合,采集船舶发动机状态信息能力较强;提取发动机震动信号的子带能量特征和谱能量特征分布较为一致,提取发动机声信号特征较为精准;检测发动机不同类型故障错误概率数值较低,其智能检测效果显著。

摘要： 并发潜结构投影(CPLS)与传统贡献图法是多元统计过程监控中常用的故障检测与诊断方法.过程监控通常要求监测的时效性与诊断的准确性,然而,由于CPLS计算复杂以及传统贡献图诊断结果易受初始贡献较大的变量影响,因此它们反馈的监控结果可能并不准确.针对上述问题分别提出一种并发改进偏最小二乘(CMPLS)方法和新的相对贡献图法(NRC).首先,CMPLS将输入和输出数据同时投影到与过程相关或质量相关的多个子空间,在相应子空间分别构造适用于各种故障报警的监测指标进行过程监测;然后,结合所提出的NRC进行故障识别.所提方法对过程故障实现全面监测的同时避免了过多的迭代过程,并消除了过程变量中对检测指标初始贡献较大变量的影响.最后利用数值仿真和田纳西伊士曼过程验证了所提方法的有效性.

摘要： 在城市轨道交通车辆受电弓日常检修过程中,大量检修及故障数据未得到合理利用.针对计划检修已不能满足目前受电弓检修要求的问题,提出了一种基于主元分析和概率神经网络结合的故障诊断方法.该方法运用主元分析法对受电弓日常检修中的初始特征参数进行降维,将降维后特征参数输入到概率神经网络模型中进行故障诊断,判定受电弓故障模式.仿真结果表明,该诊断方法耗时短、正确性高.

摘要： 针对多模态工业过程中模态数量难以确定问题,提出一种层次变分高斯混合模型(hierarchical variational Gaussian mixture model,HVGMM).在此基础上,使用主多项式分析(principal polynomial analysis,PPA)用于多模态非线性过程故障检测.首先,变分贝叶斯高斯混合模型(variational Bayesian Gaussian mixture model,VBGMM)作为初始模型用于分解过程数据得到工作模态的初始数量,将过程按初始数量分解为多个子块;其次,应用包含多个局部模型的VBGMM将各子块分解为附属子块,并利用附属子块的均值、精度等信息对VBGMM进行重构;然后,将重构后的VBGMM作为初始模型再次用于分解原始过程数据,重复上述步骤直至重构VBGMM无法分解各子块时停止;最后,分别在各附属子块中建立局部PPA模型,并在每个局部模型中计算T2和SPE统计量进行故障检测.将该方法应用于数值例子和Tennessee Eastman(TE)化工过程,并将仿真结果与主元分析(principal component analysis,PCA)、PPA进行对比,验证了所提出方法的有效性.

摘要： 针对多采样率过程监测问题,提出了一种基于多采样率主元分析的故障检测方法.该方法构建了一种重新采样机制,直接利用多采样率数据计算模型中的协方差矩阵,充分利用了样本中的大量不完整数据信息,减小了多采样率数据带来的偏差,给出了离线建模和在线故障检测算法.分别在数值平台和Tennessee Eastman(TE)工业平台进行了仿真分析.仿真结果表明,所提出的方法更适合多采样率过程的故障检测,效果良好.

摘要： 由于高炉炼铁过程的复杂性,传统的故障检测方法在高炉异常炉况检测中效果并不理想.主元分析作为一种数据驱动的故障检测方法,不需要大量的原理知识与故障数据,在许多工业领域有着广泛应用,但在炼铁领域的应用却很有限.文章提出了一种基于主元分析的高炉异常炉况检测算法.通过对于高炉冷风流量数据的分析,去除训练集中的热风炉换炉造成的扰动,建立高炉炉况准确的主元模型,进而监控高炉运行状况并检测异常炉况.文章利用柳州钢铁公司炼铁厂3号高炉的生产数据对算法进行了验证.基于现场历史数据的离线测试表明:算法实现了对于异常炉况的预先检测,预警时间提前于事故报告时间.

摘要： 系统处于周期非稳定工况下极易出现故障,但该工况下的系统具有非线性、非稳态、多变量和变量相关性复杂等特点,很难进行有效的故障检测.本文针对周期非稳定工况,提出一种基于分形神经网络的主元分析故障检测方法(FNPCA).该方法利用主元分析对历史复杂工况进行建模,采用神经网络学习历史周期数据变化趋势,预测待测数据.同时分别对待测数据与预测数据进行分形维数计算确保在数据延时情况下,待测数据与预测数据采样点的一一对应.最后利用统计方法获取残差函数,进行故障检测.该方法能够提高周期非稳定工况故障检测准确率,仿真结果验证了方法的有效性.

摘要： 作为数据驱动故障检测方法中的重要分支,基于多元统计分析的故障检测方法主要包括主元分析、偏最小二乘、独立元素分析和费舍尔判别分析.本文回顾了上述几种方法,包括数据模型、故障检测的原理及方法优劣.仿真实验说明了几种方法的特性及其故障检测的效果,并探讨了基于数据故障检测方法中的一些问题.

摘要： 作为数据驱动故障诊断方法的一大分支,基于多元统计分析的过程监控和故障诊断方法得到了学者的持续关注与研究,在工业过程中得到了广泛的应用.在多元统计过程监控和故障诊断领域,主元分析和偏最小二乘是典型的故障检测方法,传统贡献图、基于重构的故障辨识、重构贡献图方法是三种常见的故障诊断方法.本文回顾了主元分析和重构贡献图方法,通过理论分析指出在主元空间或残差空间维数为一的情形下重构贡献图方法将出现失效,无法进行故障诊断.通过数值仿真案例说明了重构贡献图失效的情况.

摘要： 为解决PCA(Principal Component Analysis)因样本数目少而无法得到稳健协方差矩阵问题,根据主元分析的几何意义,引入CS分解贝叶斯空间估计的思想,将协方差矩阵问题转化成特征子空间估计问题.首先根据大量历史数据运用PCA离线建立SPE(Squard Prediction Error)统计量阈值和故障模式特征子空间矩阵库,当在线检测到系统存在异常情况时,由于受一定的环境影响只能得到小样本故障数据,利用本文方法可估计出小样本数据的特征子空间矩阵;然后通过对比特征子空间与故障模式特征子空间的相似性,完成故障诊断.最后通过仿真验证了此方法的可行性和有效性.

摘要： 四旋翼直升机微小故障的检测是提高其飞行系统可靠性的重要保障之一.本文充分研究四旋翼飞行系统数据特点,结合多变量指数加权移动平均滤波方法(Multivariate Exponent Weighted Moving Average,MEWMA)和主元分析方法(Principal Component Analysis,PCA)检测四旋翼直升机微小故障.首先,采用MEWMA滤波方法提高系统信噪比,从而提高微小故障的可检测性.其次,采用主元分析方法(Principal Component Analysis,PCA)对系统存在的微小故障进行检测.最后,在四旋翼直升机实验平台上,针对执行器微小故障进行验证,实验结果证明了算法的有效性和可行性.

摘要： 传统实现蛋白质分子动态模拟均采用采样方式生成原子运动轨迹.较大的采样间距使原本光滑的轨迹由于时域影响变得凹凸,而小的采样间距使运动缓慢且难以辨别.为解决上述问题,提出一种基于主元分析的运动轨迹生成算法.在参考坐标系内采集所有原子位置数据,计算并构造位置差的协方差矩阵,选择主元构成新基作为投影向量,确定兴趣运动点.以PYP为例,实验验证,通过提出的算法仿真PYP运动平滑而又凸显重点.

摘要： 研究航空遥感图像中道路准确检测的问题.航空遥感图像中,道路是一类复杂目标.道路目标不同于一般刚体,它难以用固定的参数描述,只能用一些抽象的语句来描述.传统的检测算法多是对一些固定的识别目标完成描述,用道路图像非固定特征参数来完成大量复杂道路目标的检测是非常困难的.提出了一种基于主元分析算法的航空遥感图像中道路检测方法.利用LBP方法进行特征提取,从而获取航空遥感图像中的道路特征,为航空遥感图像道路检测提供准确的数据基础.利用主元分析方法对所有的像素进行重新排列,通过二进制方法描述获取的对比结果,提取动态特征.实验结果表明,算法极大地提高了检测的准确性,使获取的结果与实际道路情况相符.

摘要： 多块策略被广泛运用于全流程过程监控领域,以解决全流程过程变量关系复杂性较高的问题,但传统的分块方法得到的子块数据存在着高斯与非高斯混合分布的问题,影响了过程监控的效果,为此本文提出了一种基于多块MICA-PCA的过程监控方法.首先采用Jarque-Bera(J-B)检测方法对原始数据进行高斯与非高斯分块,接着采用Hellinger距离(HD)方法得到高斯与非高斯子块.分别用改进的独立成分分析(MICA)方法与MICA-PCA方法得到非高斯与高斯子块的统计量,通过加权方法得到总的联合指标进行故障检测.同时对高斯与非高斯子块采用不同的故障诊断方法,提高了诊断效果.最后将该方法应用在田纳西-伊斯曼(TE)过程的过程监控中,证明了该方法的有效性.

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： 本发明提供一种使用二维主元-独立元综合分析技术的移动设备人脸识别方法，本方法使用2DPCA-ICA分析技术实现带摄像头的移动终端的人脸识别。使用中，需要终端具有拍照功能以采集人脸信息，然后利用2DPCA-ICA分析技术进行人脸信息的比对实现人脸识别。

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： 本发明公开了一种基于化工TE过程的双主元‑动态核主元分析故障诊断方法，本发明所述方法利用DOD算法确定过程数据的最佳参数阶次，生成的动态矩阵在核主元空间中投影后，先利用R主元方法对高维噪声的抑制能力有效确定正常状态数据在核特征空间的主元个数，并生成故障检测高维空间的T2、SPE控制限；再利用CPV方法最大程度保留故障信息，从待检测数据中确定新的主元个数，重新计算出T2、SPE统计量进行故障的监控与检测。本发明所述的DME‑DKPCA法有效提高了故障检测的识别率，较DKPCA法具有更优良的模型精度。

摘要： 本发明属图像分析处理领域，应用于纺织品表面质量自动检测与控制领域，本发明涉及一种基于主元分析的图像分析方法及应用于织物瑕疵检测的方法。首先将原图像样本中的灰度值按行和按列展开成两组向量；然后对这两组向量进行模板操作，将模板操作后的两组向量分别进行主元分析，得到相应的主元矩阵；最后利用这两个主元矩阵对待测样本进行投影运算，计算投影后与投影前之间的相似度来分析图像特征。本发明本身对光照不匀有抵消作用，无需传统预处理步骤；检测阶段的计算简单；通过对原织物样本分别按行、列方向展开后进行模板操作，不仅能充分利用织物纹理的经纬取向特征，而且有利于突出瑕疵和抑制纹理随机干扰，提高检测准确率。

摘要： 一种主元分析理论和光谱分析技术结合对水质连续监测的方法，利用光学装置对不同浓度的水样基于紫外光谱法进行多种水质参数测量，由于紫外光穿过各类水体时，水体中的各类物质会吸收紫外光，而各类物质对紫外光的吸收程度会由于波长、浓度含量不同而不同，本发明依照光谱曲线，将紫外光谱测量技术和算法模型结合在一起，计算出水中多个参数值，可直接浸没安装，无二次污染、能同时多参数测量。

摘要： 本发明公开了一种基于化工TE过程的双主元‑动态核主元分析故障诊断方法，本发明所述方法利用DOD算法确定过程数据的最佳参数阶次，生成的动态矩阵在核主元空间中投影后，先利用R主元方法对高维噪声的抑制能力有效确定正常状态数据在核特征空间的主元个数，并生成故障检测高维空间的T2、SPE控制限；再利用CPV方法最大程度保留故障信息，从待检测数据中确定新的主元个数，重新计算出T2、SPE统计量进行故障的监控与检测。本发明所述的DME‑DKPCA法有效提高了故障检测的识别率，较DKPCA法具有更优良的模型精度。

摘要： 本发明公开了一种基于主元分析(PCA)的设备能耗预警分析方法，针对流程工业中不同设备能耗数据存在相关性、数据维度高、与生产负荷相关等问题，首先通过将正常历史数据进行主元分析，消除数据相关性、降低数据维数，得到其模型残差分布特性，作为报警限，其次对实时运行数据进行主元分析，得到运行数据的残差分布，并与报警限比较，如果超出则进行异常预警。该方法有效的解决了设备能耗运行数据的相关性、高维度的问题，实现了流程工业中设备能耗异常的监测。

摘要： 一种主元分析理论和光谱分析技术结合对水质连续监测的方法，利用光学装置对不同浓度的水样基于紫外光谱法进行多种水质参数测量，由于紫外光穿过各类水体时，水体中的各类物质会吸收紫外光，而各类物质对紫外光的吸收程度会由于波长、浓度含量不同而不同，本发明依照光谱曲线，将紫外光谱测量技术和算法模型结合在一起，计算出水中多个参数值，可直接浸没安装，无二次污染、能同时多参数测量。

摘要： 本发明属图像分析处理领域，应用于纺织品表面质量自动检测与控制领域，本发明涉及一种基于主元分析的图像分析方法及应用于织物瑕疵检测的方法。首先将原图像样本中的灰度值按行和按列展开成两组向量；然后对这两组向量进行模板操作，将模板操作后的两组向量分别进行主元分析，得到相应的主元矩阵；最后利用这两个主元矩阵对待测样本进行投影运算，计算投影后与投影前之间的相似度来分析图像特征。本发明本身对光照不匀有抵消作用，无需传统预处理步骤；检测阶段的计算简单；通过对原织物样本分别按行、列方向展开后进行模板操作，不仅能充分利用织物纹理的经纬取向特征，而且有利于突出瑕疵和抑制纹理随机干扰，提高检测准确率。