文件名称：论文研究-一种基于特征子空间的改进动态核主元分析方法.pdf
文件大小：1.56MB
文件格式：PDF
更新时间：2022-08-11 13:11:09
动态核主成分分析,特征空间,特征提取,故障检测,TE过程
针对传统的动态核主成分分析（dynamic kernel principal component analysis，DKPCA）用于大样本数据集的故障检测时，占用计算机内存大、计算复杂度高等不足，提出一种基于特征子空间的DKPCA算法（EFS-DKPCA）。该方法通过构建具有较小维数特征子空间上的正交基来简化核矩阵K，从而降低DKPCA的计算复杂性。与DKPCA方法相比，该方法具有更高的计算效率，且只需较小的计算机存储空间。将该方法应用于TE（tennessee eastman）过程，仿真结果显示，两者诊断结果大致相同，而所需时间大大减小，说明了本算法的有效性。