文献类型：期刊文章

作　　者：易军[1] 李太福[1,2] 张元涛[1] 周伟[1] 田应甫[3]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331 [2]重庆大学自动化学院,重庆400044 [3]重庆天泰铝业有限公司,重庆401328

出　　处：《机械工程学报》

基　　金：国家自然科学基金(51075418;51374268;61174015);重庆市自然科学基金(cstc2012jjB40006;cstc2012jjB40007;cstc2012jjA90011);重庆科技学院校内科研基金(CK2011B04;CK2013Z10)资助项目

年　　份：2014

卷　　号：50

期　　号：10

起止页码：9-14

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20143118006099)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：造成铝电解异常槽况的因素较多,彼此相关性强,建立槽况诊断模型时计算量巨大。利用核主元分析法虽然可以对非线性数据进行降维,但得到的主元仍然是原始变量在特征空间的线性组合,既无明确的物理含义,又无法对原始特征进行约简达到减少传感器种类的目的。提出一种基于特征子空间虚假邻点判别的槽况诊断方法,首先考察各原始变量置零前后在核空间主元投影上的相似度,根据其对槽况的解释能力进行原始变量选择;再将约简后的原始变量输入概率神经网络,对各类异常槽况进行诊断。通过取自某厂170KA大型预焙槽的268组样本进行检验:在原始特征约简44.4%的情况下分类精度达到95%以上,表明该方法不但可对原始特征进行有效约简,而且槽况分类精度和训练时间均优于同类模型。

关 键 词：虚假最近邻点法  核主元分析法  概率神经网络 故障诊断  铝电解

分 类 号：TQ821] TF391]