10.3969/j.issn.1001-5922.2023.08.037
基于半监督学习和稀疏表示的质谱仪运行灵敏度故障检测算法
为了解决质谱仪运行灵敏度故障对环境监测和化学污染监测产生的影响,提高监测数据的准确性和可靠性,提出了一种基于半监督学习和稀疏表示研究质谱仪运行灵敏度故障检测算法.根据半监督学习的原理对质谱仪的运行数据进行划分,在混合数据中标记运行灵敏度的故障特征.通过对应特征处理原始数据,在去噪和归一化特征的基础上求取灵敏度系数.采用稀疏表示理论对系数转换,以约束范数关系建立故障监测目标函数,检测质谱仪运行灵敏度故障.结果表明:以 3 种类型运行灵敏度故障作为测试对象,新算法可以实现较高精度的故障检测,且不受样本数量的限制,具有一定的应用价值.
半监督学习、稀疏表示、质谱仪、故障检测
50
TP181;TQ110.9(自动化基础理论)
江西省高等学校教学改革研究课题项目JXJG-21-24-12
2023-08-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
142-145