论文部分内容阅读
针对核主元分析方法在复杂工业在线监控过程中易出现的核矩阵K难以计算和初始故障源难以辨识的问题,提出了一种基于核主元分析和概率神经网络的集成故障辨识方法,首先通过特征样本提取方法预处理工业数据集,然后采用核函数主元分析的Hotelling统计量T^2和SPE方法检测故障,采用核函数梯度算法定义了两个新的统计量Cr^2和CSPE,计算了每个监控变量对统计量T^2和SPE的贡献程度,并提取了故障特征,最后,利用概率神经网络技术进一步从关联故障特征中辨识出初始故障源,将上述故障诊断方法应用天Tennessee E