为了解决主元分析(principal component analysis,PCA)在故障分类方面的不足,提出一种结合PCA和连续隐马 尔可夫模型(continuous hidden Markov model,CHMM)的故障诊断方法.PCA对测量数据进行优化降维,用少数几个主元 表征过程主要变化信息,实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别,运用CHMM成熟的 时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性 能.
国家“863”高技术研究发展计划资助项目(2001AA413110);国家自然科学基金资助项目(60421002).
周韶园 王树青 张建明. PCA-CHMM在化工过程故障诊断中的应用[J]. J4, 2005, 39(10): 1475-1480.
ZHOU Shao-Wan, WANG Shu-Jing, ZHANG Jian-Meng. . J4, 2005, 39(10): 1475-1480.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2005/V39/I10/1475
Cited