基于自适应动态无偏LSSVM的故障在线监测
针对无法建立精确数学模型的非线性动态系统,提出一种基于自适应动态无偏LSSVM的故障在线监测模型.该模型通过改进LSSVM的结构风险形式得到无偏的LSSVM,并能够自适应的选择滑动时间窗的长度.在此基础上根据模型动态变化过程中核函数矩阵的特点设计了基于ChoIesky分解的学习算法提高了模型训练效率,实现了非线性系统的在线监测.通过系统输出预测误差的变化,利用Parzen核密度估计方法判断故障的程度.仿真结果表明该故障监测模型在系统正常工作的情况下,能够跟踪系统的动态变化趋势;在系统出现突变故障的情况下,能够快速检测系统故障;在系统出现缓变故障的前提下,能够对系统的故障进行预报.
故障在线检测、故障在线预报、非线性系统、最小二乘支持向量机
21
TP273(自动化技术及设备)
国家自然科学基金重点课题60736026;"教育部新世纪优秀人才支持计划"资助项目
2010-07-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
4129-4134