

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、現代工業(yè)過程的規(guī)模不斷擴大和復雜程度日益提高,系統(tǒng)故障類型種類多,多元化,因此,對設備的運行狀態(tài)進行準確、有效地故障檢測和故障診斷是十分必要的。為了提高故障診斷算法的性能,本文提出基于經驗模態(tài)分解(EMD)-及時學習(JITL)-改進萬有引力搜索算法(IGSA)-遞推最小二乘支持向量機(RLSSVM)的工業(yè)過程故障診斷算法。
目前所采用的工業(yè)過程故障診斷算法主要是基于數據驅動的故障診斷算法,而從工業(yè)過程中采集的數據往往會因為外
2、界工況或其設備本身等的影響含有噪聲。因此,要對采集的數據進行去噪處理。傳統(tǒng)的去噪方法不能很好的對非平穩(wěn)、非線性的數據進行去噪。本文應用具備很強的非平穩(wěn)信號分解能力的EMD算法對數據進行去噪處理,它將數據分解成一系列的獨立成分,通過對獨立成分進行處理得到去噪后的數據。當處理大量數據時,傳統(tǒng)方法不能及時有效的建模,而且模型也不能隨著工況的變化及時更新,因此本文采用JITL算法來解決模型及時更新的問題。JITL算法將大量正常工況下采集的原始數
3、據當作參考數據集,應用距離法在參考數據集中找到小樣本待檢測數據集的相關數據集,將大量數據轉換為小樣本數據從而使模型可以快速更新,提高算法建模的效率和故障診斷的性能。
在故障診斷中,模型中的參數對診斷性能有重大影響。本文采用IGSA算法對診斷模型中的參數進行優(yōu)化。標準GSA算法有收斂速度慢且易陷入局部最優(yōu)等缺點,為克服上述缺點提出基于混沌算法和自適應權重的改進GSA算法來優(yōu)化模型中的參數?;谏鲜龇治鎏岢?EMD-JITL-IG
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進SVM的流程工業(yè)故障診斷方法研究及實現.pdf
- 基于LS-SVM的復雜工業(yè)過程故障診斷方法研究.pdf
- 基于KPCA與SVM的工業(yè)過程故障診斷方法的應用研究.pdf
- 基于改進的KICA與FDA工業(yè)過程故障診斷方法的研究.pdf
- 基于SVM、ICA方法的過程建模與故障診斷研究.pdf
- 動態(tài)工業(yè)過程的故障診斷方法研究.pdf
- 基于改進PCA-SVM的印刷機故障診斷方法研究.pdf
- 基于改進HHT與SVM的滾動軸承故障診斷方法研究.pdf
- 基于數據驅動的工業(yè)過程故障診斷方法研究.pdf
- 基于神經網絡的過程工業(yè)故障診斷方法研究.pdf
- 基于組合KPCA與改進ELM的工業(yè)過程故障診斷研究.pdf
- 基于SVM的氣閥故障診斷研究.pdf
- 基于k近鄰的復雜工業(yè)過程故障診斷方法研究.pdf
- 基于改進的ICA故障診斷方法研究.pdf
- 基于改進半監(jiān)督SVM的流程工業(yè)故障診斷系統(tǒng)研究及實現.pdf
- 基于數據驅動的工業(yè)過程故障診斷研究.pdf
- 基于改進NPE算法的間歇過程故障診斷研究.pdf
- 基于數據的工業(yè)過程故障診斷及其應用.pdf
- 基于改進閾值函數及SVM的滾動軸承故障診斷.pdf
- 基于PCA的流程工業(yè)故障診斷方法研究.pdf
評論
0/150
提交評論