所有作者：石怀涛 刘建昌 谭树彬 张羽
作者单位：东北大学流程工业综合自动化教育部重点实验室
论文摘要：针对钢铁轧制过程故障的特点，我们首先提出一种基于遗传算法、核主元分析与最小二乘支持向量机的混合故障诊断方法。首先，本文引出核函数概念，并使用遗传算法优化核函数参数从而提高KPCA-LSSVM算法的特征提取与分类性能。其次使用KPCA方法将原始空间数据映射到高维空间，并在高维空间进行主元分析，从而降维、去相关性，得到非线性特征向量。最后将降维后的特征主元作为LSSVM输入进行训练和识别，根据LSSVM的输出结果判断工作状态与故障类型。 并且在核参数的选取过程中，本文采取遗传算法，通过最大化数据类间离散度的同时最小化类内离散度的方法，充分利用轧机活套设备正常状态以及故障状态数据的先验知识。并通过对活套的故障验证该方法的实用可行性，仿真结果表明：基于KPCA非线性特征提取和LSSVM分类的故障诊断方法计算速度快，能有效的提取故障特征，识别故障类型。
关键词： 故障诊断 活套 KPCA LSSVM 遗传算法
免费下载《基于进化KPCA-LSSVM的活套故障诊断方法应用研究》PDF全文（已停止下载）
本站“论文下载”文章收集整理于“中国科技论文在线”，由于各种原因，本站已暂停论文下载！请前往“中国科技论文在线http://www.paper.edu.cn/”免费下载！
下一篇：一种有效的证据理论组合规则
指出，范文大全立刻进行改正或删除有关内容! 
当前位置：