基于KPCA的监控系统传感器异常诊断方法

彭红星; 潘梨莉; 赵鸿图

doi:10.13873/J.1000-9787(2016)12-0033-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于KPCA的监控系统传感器异常诊断方法

研究与探讨 | 更新时间：2025-09-11

- 基于KPCA的监控系统传感器异常诊断方法
- Study on abnormal diagnosis of sensor in monitoring system based on KPCA
- 传感器与微系统 2016年35卷第12期页码：33-36
- 作者机构：
  
  1. 河南理工大学计算机科学与技术学院
  2. 煤炭安全生产河南省协同创新中心
- 作者简介：
- 基金信息：
  
  煤炭安全生产河南省协同创新中心重点资助项目（12140024）;河南理工大学博士基金资助项目（64998449）
- DOI：10.13873/J.1000-9787(2016)12-0033-04
  中图分类号： TD712.6;TP277
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]彭红星,潘梨莉,赵鸿图.基于KPCA的监控系统传感器异常诊断方法[J].传感器与微系统,2016,35(12):33-36.

PENG Hong-xing, PAN Li-li, ZHAO Hong-tu. Study on abnormal diagnosis of sensor in monitoring system based on KPCA[J]. 2016, 35(12): 33-36.
[1]彭红星,潘梨莉,赵鸿图.基于KPCA的监控系统传感器异常诊断方法[J].传感器与微系统,2016,35(12):33-36. DOI： 10.13873/J.1000-9787(2016)12-0033-04.

PENG Hong-xing, PAN Li-li, ZHAO Hong-tu. Study on abnormal diagnosis of sensor in monitoring system based on KPCA[J]. 2016, 35(12): 33-36. DOI： 10.13873/J.1000-9787(2016)12-0033-04.

摘要

针对监控系统数据异常时

故障检测准确性不高的问题

提出一种基于监控系统传感器异常的核主元分析（KPCA）检测方法。利用平方预报误差（SPE）统计量和均方贡献值法进行故障检测和故障源的定位

改善了主元分析（PCA）应用于非线性系统故障检测准确性低的问题。分别利用基于KPCA和PCA的故障检测模型进行仿真比较。实验结果表明:KPCA提高了非线性监控系统传感器异常诊断的准确性。

Abstract

Aiming at problem of low accuracy of fault detection when abnormal data occurs in monitoring system

put forward a detecting method of kernel principal component analysis（ KPCA）

which is based on sensor abnormal of monitoring system. The method KPCA detects faults and locates the fault source via the statistics of square prediction error（ SPE） and the mean square contribution value from KPCA method

improve problem of low accuracy of PCA applied to fault detecting of nonlinear system. Fault detecting models based on KPCA and PCA are used for simulation and comparison. Experimental results show that KPCA improve accuracy of sensor abnormal diagnosis of nonlinear monitoring system.

关键词

Keywords

references

基于PCA与BP混合神经网络算法的电子鼻系统 [J]. 王巍巍,张赛男. 传感器与微系统 . 2014(04)

多传感器信息融合在滚动轴承故障诊断中的应用 [J]. 马文龙,吕建新,吴虎胜,黄炯龙. 传感器与微系统 . 2013(07)

一种自旋稳定卫星姿态传感器数据异常的诊断方法 [J]. 李楠,张云燕,李言俊. 宇航学报 . 2011(06)

压风机监控系统传感器故障检测与分离方法 [J]. 梁冠东,郭栋,彭红星. 煤炭科学技术 . 2011(06)

基于改进多尺度核主元分析的化工过程故障检测与诊断方法研究 [J]. 许洁,胡寿松,申忠宇. 仪器仪表学报 . 2010(01)

基于PCA的空调系统传感器故障诊断 [J]. 李冬辉,王乐英,李晟. 电工技术学报 . 2008(06)

基于霍金斯指标的传感器数据有效性验证 [J]. 邱天,丁艳军,吴占松. 中国电机工程学报 . 2007(14)

一种基于KPCA的非线性故障诊断方法 [J]. 邓晓刚,田学民. 山东大学学报(工学版) . 2005(03)

Nonlinear process monitoring using kernel principal component analysis [J] . Jong-Min Lee,ChangKyoo Yoo,Sang Wook Choi,Peter A. Vanrolleghem,In-Beum Lee. Chemical Engineering Science . 2003 (1)

Nonlinear Component Analysis as a Kernel Eigenvalue Problem [J] . Bernhard Schö,lkopf,Alexander Smola,Klaus-Robert Mü,ller. Neural Computation . 1998 (5)

浏览量

183

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于SKPCA的卫星整流罩空调系统传感器故障检测研究

传感器在高压输电线路绝缘子检测中的应用

基于霍金斯指标的传感器故障重构研究

基于Pt纳米颗粒修饰的La_0.8Sr_0.2FeO₃增强型NO传感器

基于石英晶体微天平的三价铬离子检测传感器