LPMVP算法及其在故障检测中的应用
针对数据信息的特征提取和降维问题,提出一种局部保持最大方差投影(Locality preserving maximum varianceprojections,LPMVP)新算法。该算法综合考虑了主元分析(Principal component analysis,PCA)和局部保持投影(Localitypreserving projections,LPP)算法的优点和不足,提出了新的优化目标,使投影得到的低维空间不仅和原始变量空间有相似的局部近邻结构,而且有相似的整体结构,因而可以包含更多的特征信息.在此基础上,本文使用LPMVP算法把原始变量空间划分为特征空间和残差空间,分别构造了T(2)和SPE统计量对过程进行监测,建立了一种新的故障检测方法。通过数值例子以及TE过程的仿真研究,表明了LPMVP算法可以有效地提取数据信息,同时也体现了较强的故障检测能力。
主元分析 局部保持投影 流形学习 故障检测 最大方差投影
张沐光 宋执环
浙江大学工业控制研究所工业控制技术国家重点实验室,杭州,310027
国内会议
北京
中文
766-772
2008-11-06（万方平台首次上网日期，不代表论文的发表时间）