×
顾晓丹;邓、方;高欣;周，芮

基于TA-LSSVM和ECOC-SVM的传感器故障诊断改进方案。 （英语） Zbl 1401.93193号

J.系统。科学。复杂。 31，第2期，372-384（2018）.
小结：及时监测传感器的工作状态和准确诊断故障至关重要。本文提出了一种改进的传感器故障诊断方案，包括故障检测和故障识别。首先，提出并实现了趋势分析与最小二乘支持向量机（TA-LSSVM）相结合的故障检测方法。其次，提出了一种改进的基于纠错输出编码支持向量机（ECOC-SVM）的故障识别方法，以区分不同的传感器故障模式。为了证明该方案的有效性，使用MTi系列传感器进行了实验，并与其他故障识别方法进行了一些比较。实验结果表明，所提出的故障诊断方案在检测实时性和更好的识别准确性方面有了根本性的提高。

MSC公司：

93E10型 随机控制理论中的估计与检测
第93页第24页 随机控制系统的最小二乘法及其相关方法
93B35型 灵敏度（稳健性）
68T05型 人工智能中的学习和自适应系统

关键词：

ECOC公司;故障检测;故障识别;支持向量机;助教
PDF格式BibTeX公司 XML格式引用
\textit{X.Gu}等人，J.系统。科学。复杂。31，第2号，372--384（2018；Zbl 1401.93193）
全文： 内政部

参考文献：

[1] 丁S X，基于模型的故障诊断技术：设计方案、算法和工具，施普林格，柏林，2013年·Zbl 1293.93003号 ·doi:10.1007/978-1-4471-4799-2
[2] 尹，S；朱，X；邱，J；等。，使用序列进化滤波器的非线性系统状态估计，IEEE工业电子学报，633786-3794，（2016）·doi:10.1109/TIE.2016.2522382
[3] 尹，S；高，H；邱，J；等。，具有确定性扰动的非线性过程的故障检测：基于实时学习的数据驱动方法，（2016）
[4] 王，H；Chai，T；丁，J；等。，数据驱动的故障诊断和容错控制：一些进展和可能的新方向，自动化学报，35739-747，（2009）
[5] 尹，S；高，H；邱，J；等。，传感器和执行器故障切换系统的描述子降阶滑模观测器设计，Automatica，76，282-292，（2016）·Zbl 1352.93033号 ·doi:10.1016/j.automatica.2016.10.025
[6] Maurya，M R；帕里托什，P K；伦加斯瓦米，R；等。，在线趋势提取和故障诊断框架，《人工智能工程应用》，23，950-960，（2010）·doi:10.1016/j.engappai.2010.01.027
[7] 莫拉，M D C；Zio，E；林斯，I D；等。，通过时间序列数据的支持向量机回归进行故障和可靠性预测，可靠性工程与系统安全，96，1527-1534，（2011）·doi:10.1016/j.ress.2011.06.006
[8] Vong，C M；Wong，P K，利用小波包变换和多类最小二乘支持向量机进行发动机点火信号诊断，应用专家系统，38，8563-8570，（2011）·doi:10.1016/j.eswa.2011.01.058
[9] 李，J；王，J，基于改进PSO优化LSSVM的厚板辊底式正火炉温度预测控制研究，3717-3721，（2010）
[10] Jolliffe，I T，无文章标题，主成分分析，87，41-64，（1986）
[11] 钟，S；公园，T S；公园，南半球；等。，用于白葡萄酒品尝的比色传感器阵列，Sensors，1518197-18208，（2015）·数字对象标识码：10.3390/s150818197
[12] Acquah，G E；通过，B K；比勒，N；等。，使用红外光谱数据和线性判别分析识别森林伐木残留物的植物部分组成，Sensors，16，1375，（2016）·doi:10.3390/s16091375
[13] 金，J；崔，H，基于统计深度的判别分析，系统科学与复杂性学报，23362-371，（2010）·Zbl 1202.62086号 ·doi:10.1007/s11424-010-7214-x
[14] Schölkopf，B；斯莫拉，A；Müller，K，作为核特征值问题的非线性分量分析，神经计算，10，1299-1319，（1998）·doi:10.1162/08997669830017467
[15] 李，J；平移，L；陈，M；等。，增强违约预测整体性能的参数和非参数组合模型，系统科学与复杂性Jounal，27950-969，（2014）·Zbl 1378.62129号 ·doi:10.1007/s11424-014-3273-8
[16] Baudat，G；Anouar，F，使用核方法的广义判别分析，神经计算，122385-2404，（1990）·doi:10.1162/089976600300014980
[17] Mercorelli，P，《工业应用中使用非正交小波包的降噪和谐波检测》，《系统科学与复杂性学报》，20，325-343，（2007）·Zbl 1333.90037号 ·doi:10.1007/s11424-007-9028-z
[18] 冯，Z；王，Q；徐，T；等。，基于小波包和支持向量机的传感器故障诊断，南京科技大学学报，32，609-614，（2008）
[19] 邓，F；郭，S；周，R；等。，使用改进的支持向量机进行传感器多故障诊断，IEEE自动化科学与工程学报，14，1053-1063，（2017）·doi:10.1109/TASE.2015.2487523
[20] 科尔特斯，C；Vapnik，V，支持向量网络，机器学习，20，273-297，（1995）·兹比尔08316.8098
[21] Jankowski，N；Grabczewski，K，《学习机器，模糊性和软计算研究》，207，29-64，（2008）·doi:10.1007/978-3-540-35488-82
[22] Allwein，E L；夏皮雷，R E；辛格，Y，《将多类简化为二进制：边缘分类器的统一方法》，《机器学习研究杂志》，第1125-126页，（2011年）·Zbl 1013.68175号
[23] 滑梯，S；普约尔，O；Radeva，P，《关于三元纠错输出码的解码过程》，IEEE模式分析与机器智能学报，32，120-134，（2010）·doi:10.1109/TPAMI.2008.266
[24] 周，R；陈，J；邓，F，基于纠错输出码方法的传感器故障识别，131-136，（2015）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。