导读:本文包含了独立元论文开题报告文献综述、选题提纲参考文献，主要关键词:独立,故障,故障诊断,过程,固体潮,尺度,分量。
独立元论文文献综述写法
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）
张成,高宪文,徐涛,李元,逄玉俊[2]（2018）在《基于独立元的k近邻故障检测策略》一文中研究指出k近邻故障检测(fault detection based on k nearest neighbors,FD–k NN)方法能够提高具有非线性和多模态特征过程的故障检测率.由于系统故障通常由潜隐变量异常变化引起,而该类型故障并不能被观测数据直观表现,因此直接在观测变量上执行FD–k NN方法,其故障检测率降低.本文旨在提高FD–k NN方法针对潜隐变量故障的检测能力,提出基于独立元的k近邻故障检测方法.首先,通过对观测数据应用独立元分析(independent component analysis,ICA)方法,获得独立元矩阵;接下来在独立元矩阵中应用FD–k NN方法进行故障检测.这等同于直接监控过程潜隐变量的变化,可以提高过程故障检测率.通过非线性实例仿真实验,证明本文方法检测潜隐变量故障是有效的;同时,在半导体蚀刻工艺过程的仿真实验中,与主元分析(principal component analysis,PCA)方法、核主元分析(kernel principal component analysis,KPCA)方法、基于主元分析的k近邻故障检测(principal component–based k nearest neighbor rule for fault detection,PC–k NN)方法和FD–k NN方法进行对比,实验结果进一步验证了本文方法的有效性.(本文来源于《控制理论与应用》期刊2018年06期）
肖忠宝[3]（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[4]（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[5]（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[6]（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[7]（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）
辜小花,李景哲,李太福,唐海红,刘兴华[8]（2017）在《基于动态核独立元统计量的石油管道泄漏检测》一文中研究指出石油管道泄漏是受腐蚀、磨损、焊缝缺陷、振动、冲刷以及人为破坏等多种因素影响的连续动态过程,单纯基于压力信号的检测和基于高斯分布假设的信号分析方法不能适应其多变量、强耦合、动态特性。为此,综合考虑与管道泄漏有关的操作参数和环境参数,针对管道监测参数呈现时序自相关性、泄漏检测精度不高的问题,提出一种基于动态核独立分量分析(DKICA)的石油管道泄漏检测方法。首先引入动态特性确定算法(DOD)计算模型最佳参数阶次,解决动态过程导致的监测参数呈现时序自相关性问题;再采用核独立分量分析(KICA)在核主元空间提取独立元;最后通过考察独立元的T2、SPE联合指标判断泄漏发生。通过对某一输送场站采集的数据进行实验验证,结果表明采用联合指标D2的正常样本误检率和泄漏样本漏检率都远低于单独采用T2或SPE统计量;而引入动态特性的2阶DKICA对于正常样本的误检率和泄漏样本的漏检率都低于未引入动态特性的KICA方法。可见,所提出的基于动态核独立分量联合指标的石油管道泄漏检测方法是一种高效且可行的方法。(本文来源于《仪器仪表学报》期刊2017年01期）
张晓亚,倪元相,唐东成,李方前[9]（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[10]（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）
独立元论文开题报告范文
（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：
k近邻故障检测(fault detection based on k nearest neighbors,FD–k NN)方法能够提高具有非线性和多模态特征过程的故障检测率.由于系统故障通常由潜隐变量异常变化引起,而该类型故障并不能被观测数据直观表现,因此直接在观测变量上执行FD–k NN方法,其故障检测率降低.本文旨在提高FD–k NN方法针对潜隐变量故障的检测能力,提出基于独立元的k近邻故障检测方法.首先,通过对观测数据应用独立元分析(independent component analysis,ICA)方法,获得独立元矩阵;接下来在独立元矩阵中应用FD–k NN方法进行故障检测.这等同于直接监控过程潜隐变量的变化,可以提高过程故障检测率.通过非线性实例仿真实验,证明本文方法检测潜隐变量故障是有效的;同时,在半导体蚀刻工艺过程的仿真实验中,与主元分析(principal component analysis,PCA)方法、核主元分析(kernel principal component analysis,KPCA)方法、基于主元分析的k近邻故障检测(principal component–based k nearest neighbor rule for fault detection,PC–k NN)方法和FD–k NN方法进行对比,实验结果进一步验证了本文方法的有效性.
（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].张成,高宪文,徐涛,李元,逄玉俊.基于独立元的k近邻故障检测策略[J].控制理论与应用.2018
[3].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
[4].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
[5].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
[6].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
[7].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
[8].辜小花,李景哲,李太福,唐海红,刘兴华.基于动态核独立元统计量的石油管道泄漏检测[J].仪器仪表学报.2017
[9].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
[10].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