基于小波重构与SVM-BPNN的动态过程在线智能监控

摘要：

为了提高动态过程运行状态在线监控效率,提出了基于小波重构与支持向量(support vec-tor machine,SVM)-反向传播神经网络(back propagation neural network,BPNN)相结合的在线智能监控方法.首先,运用离散小波变换对动态过程实测数据流进行重构,并提取其形状特征.其次,利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM,对“监控窗口”内实测数据流进行异常模式识别.最后,应用该方法对某精密轴加工过程进行在线智能监控.结果表明:所提模型识别精度高、训练耗时少,其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机(multi-class support vector machine,MSVM)模型,是一种更为有效的动态过程在线智能监控方法.

关键词：过程监控、小波重构、均值特征、形状特征、支持向量机、BP神经网络

所属期刊栏目：36

分类号：TP391.4;TH165+.4(计算技术、计算机技术)

资助基金：国家自然科学基金71272207,61271146National Natural Science Foundation of China 71272207,61271146

在线出版日期：2017-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1890-1897