动态广义主成分分析及其在故障子空间建模中的应用OA北大核心
Dynamic generalized principal component analysis with applications to fault subspace modeling
针对传统故障子空间建模方法未考虑故障数据中同时包含正常工况信息和故障工况信息的实际情况,或未考虑故障数据中的动态因素而导致的对故障子空间提取不够准确的问题,提出了一种动态广义主成分分析方法.通过将带延迟的输入数据进行空间重组,采用广义主成分分析方法提取正常工况和各故障工况之间的动态特征信息,实现对故障子空间的准确建模,并进一步建立故障库实现故障诊断.仿真结果表明,所提方法能够准确提取动态过程的故障子空间,并可用于动态工业过程的故障诊断.
冯晓伟;许剑锋;何川
火箭军工程大学,陕西 西安 710025火箭军工程大学,陕西 西安 710025火箭军工程大学,陕西 西安 710025
信息技术与安全科学
动态广义主成分分析故障子空间故障重构故障诊断
《通信学报》 2022 (5)
数据驱动的导弹电子系统自适应过程监控技术研究
92-101,10
国家自然科学基金资助项目(No.61903375,No.61773389)中国博士后科学基金资助项目(No.2019M663635)陕西省自然科学基金资助项目(No.2020JQ-298)陕西省青年科技新星基金资助项目(No.2021KJXX-22)
评论