机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2014年
10期
9-14
,共6页
易军%李太福%张元涛%周伟%田应甫
易軍%李太福%張元濤%週偉%田應甫
역군%리태복%장원도%주위%전응보
虚假最近邻点法%核主元分析法%概率神经网络%故障诊断%铝电解
虛假最近鄰點法%覈主元分析法%概率神經網絡%故障診斷%鋁電解
허가최근린점법%핵주원분석법%개솔신경망락%고장진단%려전해
false nearest neighbors%kernel principal components analysis%probabilistic neural network%fault diagnosis%aluminum electrolysis
造成铝电解异常槽况的因素较多,彼此相关性强,建立槽况诊断模型时计算量巨大.利用核主元分析法虽然可以对非线性数据进行降维,但得到的主元仍然是原始变量在特征空间的线性组合,既无明确的物理含义,又无法对原始特征进行约简达到减少传感器种类的目的.提出一种基于特征子空间虚假邻点判别的槽况诊断方法,首先考察各原始变量置零前后在核空间主元投影上的相似度,根据其对槽况的解释能力进行原始变量选择;再将约简后的原始变量输入概率神经网络,对各类异常槽况进行诊断.通过取自某厂170KA大型预焙槽的268组样本进行检验:在原始特征约简44.4％的情况下分类精度达到95％以上,表明该方法不但可对原始特征进行有效约简,而且槽况分类精度和训练时间均优于同类模型.
造成鋁電解異常槽況的因素較多,彼此相關性彊,建立槽況診斷模型時計算量巨大.利用覈主元分析法雖然可以對非線性數據進行降維,但得到的主元仍然是原始變量在特徵空間的線性組閤,既無明確的物理含義,又無法對原始特徵進行約簡達到減少傳感器種類的目的.提齣一種基于特徵子空間虛假鄰點判彆的槽況診斷方法,首先攷察各原始變量置零前後在覈空間主元投影上的相似度,根據其對槽況的解釋能力進行原始變量選擇;再將約簡後的原始變量輸入概率神經網絡,對各類異常槽況進行診斷.通過取自某廠170KA大型預焙槽的268組樣本進行檢驗:在原始特徵約簡44.4％的情況下分類精度達到95％以上,錶明該方法不但可對原始特徵進行有效約簡,而且槽況分類精度和訓練時間均優于同類模型.
조성려전해이상조황적인소교다,피차상관성강,건립조황진단모형시계산량거대.이용핵주원분석법수연가이대비선성수거진행강유,단득도적주원잉연시원시변량재특정공간적선성조합,기무명학적물리함의,우무법대원시특정진행약간체도감소전감기충류적목적.제출일충기우특정자공간허가린점판별적조황진단방법,수선고찰각원시변량치령전후재핵공간주원투영상적상사도,근거기대조황적해석능력진행원시변량선택;재장약간후적원시변량수입개솔신경망락,대각류이상조황진행진단.통과취자모엄170KA대형예배조적268조양본진행검험:재원시특정약간44.4％적정황하분류정도체도95％이상,표명해방법불단가대원시특정진행유효약간,이차조황분류정도화훈련시간균우우동류모형.
