导读:本文包含了独立元分析论文开题报告文献综述及选题提纲参考文献，主要关键词:制浆造纸废水处理过程,故障检测,主成分分析,独立元分析
独立元分析论文文献综述
杨冲,宋留,刘鸿斌[1]（2019）在《基于独立元分析的制浆造纸废水处理过程故障检测》一文中研究指出为及时、准确地做出故障诊断,本课题采用独立元分析(ICA)和主成分分析(PCA)两种常用的多元统计分析方法对制浆造纸废水处理过程中的传感器故障进行检测并对诊断效果进行对比。结果表明,对于制浆造纸废水数据中偏移和漂移两种故障,ICA模型的故障检测率分别为24%与54%,PCA模型的故障检测率分别为14%和42%,ICA模型的两种故障检测率均高于PCA模型,但是两种模型均无法达到满意的检测效果;对于完全失效故障,ICA和PCA模型的故障检测率均达到100%。(本文来源于《中国造纸学报》期刊2019年01期）
肖忠宝[2]（2017）在《基于多尺度核独立元分析与核极限学习机的柴油机故障诊断》一文中研究指出为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混迭,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。(本文来源于《车用发动机》期刊2017年06期）
王普,辛娇娇,高学金,张楠华[3]（2017）在《基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法》一文中研究指出冷水机组作为复杂系统,其变量间相关性严重,并且故障时的症状和原因具有多样性,导致了冷水机组的故障诊断较为困难.为了降低数据冗余性,提高故障诊断效率,提出一种基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法.首先,运用独立元分析法提取冷水机组变量的独立元信息;然后,将提取的独立元信息作为最小二乘支持向量机的输入值进行故障类型的识别.利用北京某高校的地铁车站通风空调实训平台的实验数据验证该模型的故障诊断性能,并与传统的冷水机组故障诊断方法进行对比.比较结果证明基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法优于传统方法.这表明该方法可以有效提取数据的高阶统计信息,提高故障诊断的效率.(本文来源于《北京工业大学学报》期刊2017年11期）
张晓亚,唐东成,倪元相[4]（2017）在《基于稀疏核独立元分析的过程工业故障诊断》一文中研究指出目前复杂流程过程工业故障诊断难度加剧,对稀疏核独立元分析故障诊断方法进行了研究。该方法首先对流程工业过程数据以增量式样本基的构造方法提取样本基,并以此样本基建立核独立元分析检测模型,在检测到有故障发生后,再通过贡献度识别出故障的来源达到故障诊断的目的。另外,为了进一步验证SKICA在过程工业故障诊断的有效性和实用性,使用Tennessee Eastman(TE)过程的相关数据进行仿真研究。(本文来源于《仪表技术》期刊2017年06期）
钟娜[5]（2017）在《基于局部学习策略的改进独立元分析方法及其在多工况过程监控中的应用》一文中研究指出随着科学技术和社会生产力的发展,现代工业日趋大型化和复杂化,对系统安全性与可靠性的要求也越来越高。工业计算机系统记录了大量的工业过程数据,为基于数据驱动的故障诊断方法提供了研究基础。本文针对流程工业过程存在的多工况特点,以局部学习策略为框架,研究基于改进独立元分析(Independent Component Analysis,ICA)的多工况过程故障诊断方法。本文的主要研究工作如下:首先,针对多工况工业过程故障诊断问题,提出一种基于6)最近邻标准化的独立元分析(6)Nearest Neighbor ICA,KNNICA)方法。该方法在6)最近邻域内对多工况数据进行标准化,消除数据的多工况差异,并针对单一工况数据建立ICA模型检测过程故障。在连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)和田纳斯-伊斯曼(Tennessee Eastman,TE)多工况过程上的仿真结果显示,KNNICA能够有效地检测多工况过程故障。然后,针对多工况过程监控中的统计信息提取问题,提出两种改进的独立元分析方法:局部熵独立元分析(Local Entropy ICA,LEICA)和局部统计量独立元分析(Local Statistics ICA,LSICA)两种方法。LEICA将局部学习策略引入信息熵理论,利用局部概率密度估计方法来消除操作数据的多工况差异,并通过计算过程数据的局部信息熵,提取过程的统计特征信息。统计模式分析(Statistics Pattern Analysis,SPA)也是一种有效的统计信息提取手段,LSICA将局部概率密度估计与SPA结合处理多工况过程数据,在局部统计量空间建立ICA成分统计模型监测过程运行状态。在TE和CSTR过程上的仿真结果证明,与传统ICA方法和KNNICA方法相比,LEICA和LSICA具有更好的过程监控性能。最后,针对包含过渡工况的多工况过程故障监控问题,提出一种基于加权距离空间的独立元分析(Weighted Distance Space ICA,WDSICA)方法。该方法采用滑动窗技术对多工况过程进行分割,将数据从原始变量空间映射到加权距离变量空间,消除包含过渡工况在内的多工况差异;利用ICA方法在距离变量空间建立成分统计模型,构造监控统计量检测过程故障。最后利用一个基于CSTR多工况系统的监控案例来验证方法的有效性。(本文来源于《中国石油大学(华东)》期刊2017-05-01）
唐小亮,全海燕[6]（2017）在《基于遗传算法的重力固体潮信号独立元分析与地震前兆信息提取》一文中研究指出在对重力固体潮信号的分析中,应用了一种将固体潮信号所含有的各谐波信息分解到3个正交分量上的叁维正交分解模型;为了更好地提取各个分量谐波信号,克服传统独立分量分析(ICA)收敛速度慢、局部搜索等缺陷,使用了传统ICA与实数遗传算法(GA)相结合的方法,经验证此方法可行有效;实验中对实测信号与理论信号相结合的信号进行了谐波提取,并对提取出的谐波信号进行分析,捕捉地震前兆信息;分析发现地震前某不定时刻点,在长周期波中波形出现一定程度的奇异,充分反映了震前能量积蓄的变化.因其与地震发生时间之间的不确定性,所以还不能将其作为地震的预测方法.(本文来源于《地球物理学进展》期刊2017年01期）
张晓亚,倪元相,唐东成,李方前[7]（2016）在《基于核独立元分析的工业故障检测》一文中研究指出独立元分析(ICA)是从多个源信号的线性混合中分离出源信号的技术,是一种基于信号高阶统计特性的算法。但对于处理非线性变化信号有一定的局限,核独立元分析(KICA)方法能够很好地解决这个问题,该方法主要结合了核主元分析(KPCA)和独立元分析(ICA)的优点,是在线故障检测的一种非线性算法。该算法利用工业过程中多仪表在正常工作下的历史数据建立故障检测模型,通过监控检测统计量是否超出阀值控制限来进行故障检测。使用TE(Tennessee Eastman)过程数据进行仿真来验证此算法的有效性。(本文来源于《仪表技术》期刊2016年12期）
刘春菊,刘春玲,李召[8]（2016）在《基于核熵成分分析结合独立元分析的故障检测方法》一文中研究指出针对工业过程具有多变量、非线性、非高斯等特点,提出了一种基于核熵成分分析与独立元分析的(KECA-ICA)的故障检测方法。首先通过核熵成分分析对数据进行降维,保证了信息量损失最小;然后对熵成分的得分矩阵进行ICA分解,并根据监测量SPE和I2的状态判断系统是否发生故障。通过对TE(Tennessee Eastman)过程的仿真研究,验证了该方法的可行性与有效性,并且对检测效果的鲁棒性能进行了分析。(本文来源于《仪表技术与传感器》期刊2016年09期）
徐莹[9]（2016）在《基于贝叶斯独立元分析的多工况工业过程故障诊断方法研究》一文中研究指出随着现代科技的发展,工业系统日趋复杂化大型化,故障诊断技术成为确保其安全可靠运行的关键技术。由于现代工业计算机控制系统实时采集并存储海量过程运行数据,因此研究基于多元数据统计分析的故障诊断方法具有重要的理论意义和应用价值。针对多工况工业过程数据具有的多模态、非高斯特性,本文开展基于贝叶斯ICA(Bayesian independent component analysis,BICA)的多工况工业过程故障诊断方法研究,并通过仿真分析验证方法的有效性。首先,针对工业过程数据的多模态、非高斯分布特性,提出一种基于贝叶斯独立元分析(BICA)的故障检测算法。该方法首先将贝叶斯估计与ICA算法相结合,构建概率混合模型描述多模态数据,然后通过优化算法同时完成数据聚类和统计建模。考虑到过程数据的时序相关性,在BICA算法基础上进一步应用矩阵动态扩展技术,建立一种动态BICA(DBICA)方法,实现对动态多工况过程的实时监控。在连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR)和田纳西-伊斯曼(Tennessee-Eastman,TE)系统上的仿真结果表明,BICA和DBICA方法能够比传统的ICA、DICA方法更有效的检测过程故障。然后,针对传统的变量贡献图方法无法表征变量之间信息传递关系的问题,提出一种基于信息传递贡献图的多工况过程故障识别方法。该方法首先计算各变量对BICA集成监控统计量的贡献度,然后通过最近邻传递熵描述故障变量之间的传递性,挖掘故障变量之间的因果关系,从而确定故障传播过程和故障源变量。在一个数值系统和CSTR系统上的仿真研究表明,该方法能够有效挖掘变量之间传递信息,准确定位故障源。最后,针对整体统计建模忽略了局部变量信息的问题,提出了基于变量分组BICA算法(Variable Partitioning BICA,VPBICA)的多工况过程故障诊断方法。该方法基于相似度分析进行变量分组,将多模态数据变量划分为模态相关变量模块和模态无关变量模块。对模态相关变量实施BICA算法,而对模态无关变量模块进行ICA统计量建模,融合两个子模块的统计模型监控过程故障。在CSTR系统上的仿真结果表明,该方法能够比ICA、BICA方法更有效的监控过程故障,同时有助于准确识别故障类型。(本文来源于《中国石油大学(华东)》期刊2016-05-01）
崔健驰[10]（2016）在《基于独立元分析的带噪声声发射信号特征提取研究》一文中研究指出声发射检测技术是一种安全、高效的动态无损检测技术,被广泛应用于工农业各个领域。在检测时由于多声发射源的存在,测量的结果往往是多个声发射源的混迭信号,同时普遍存在的噪声也使得检测的结果更加复杂,不便于后期的分析和处理。本文运用独立元分析方法,对带噪声发射信号进行盲源分离,提取特征频率进行分析。实验采用旋转机械故障模拟实验平台模拟滚动轴承不同部位故障产生的声发射信号作为主要的声发射信号源,采用SAEU2S数字声发射采集系统作为检测仪器。首先,运用基于最大负熵的FAST-ICA算法,并选择相似系数、二次残差和性能指数(PI)构成一组评价指标对分离的结果进行分析,从不同角度评价算法的性能。分别针对添加随机白噪声的正弦信号、模拟声发射信号和实测的滚动轴承声发射信号进行盲源分离,对分离结果进行频谱分析提取特征频率。从仿真结果和评价指标来看,FAST-ICA算法基本实现带噪声发射信号的盲源分离,保留了信号中的特征频率。其次,考虑随机噪声和不同传感器声发射信号的时差影响,将高阶统计方法引入盲源分离过程,可降低高斯噪声带来的影响。本文运用基于四阶累积量矩阵的联合近似对角化(JADE)算法,其联合近似对角化过程可降低时差的影响。通过与FAST-ICA方法比较可以看出,JADE算法的声发射信号分离结果有效地保留了滚动轴承不同工作状态下的特征频率,同时抑制噪声的影响,可以方便的进行状态分析和故障诊断。(本文来源于《沈阳航空航天大学》期刊2016-03-01）
独立元分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混迭,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
独立元分析论文参考文献
[1].杨冲,宋留,刘鸿斌.基于独立元分析的制浆造纸废水处理过程故障检测[J].中国造纸学报.2019
[2].肖忠宝.基于多尺度核独立元分析与核极限学习机的柴油机故障诊断[J].车用发动机.2017
[3].王普,辛娇娇,高学金,张楠华.基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法[J].北京工业大学学报.2017
[4].张晓亚,唐东成,倪元相.基于稀疏核独立元分析的过程工业故障诊断[J].仪表技术.2017
[5].钟娜.基于局部学习策略的改进独立元分析方法及其在多工况过程监控中的应用[D].中国石油大学(华东).2017
[6].唐小亮,全海燕.基于遗传算法的重力固体潮信号独立元分析与地震前兆信息提取[J].地球物理学进展.2017
[7].张晓亚,倪元相,唐东成,李方前.基于核独立元分析的工业故障检测[J].仪表技术.2016
[8].刘春菊,刘春玲,李召.基于核熵成分分析结合独立元分析的故障检测方法[J].仪表技术与传感器.2016
[9].徐莹.基于贝叶斯独立元分析的多工况工业过程故障诊断方法研究[D].中国石油大学(华东).2016
[10].崔健驰.基于独立元分析的带噪声声发射信号特征提取研究[D].沈阳航空航天大学.2016
标签：制浆造纸废水处理过程; 故障检测; 主成分分析; 独立元分析;