《表9 DICA故障检测率》
%
通过以上对PCA、ICA以及DPCA故障检测对比分析可以得出,PCA对于处理线性特征的数据较为有效,但无法克服复杂工业生产过程中的非线性及动态特征问题,虽然对PCA引入了动态的DPCA方法,使得数据的动态特性有了一定的补偿,但仍然无法适应实际复杂工业生产中的过程检测,因此本实验引入DICA的方法。DICA方法是将ICA应用于具有时滞变量的增广矩阵,因为它能够提取独立于变量的自相关和互相关信息,在动态系统中可以从原始数据中提取独立成分,并通过引入时滞变量l来克服数据所具有的动态特征,提高了故障检测在实际生产中的准确性。DICA独立成分个数可由图5确定。DICA故障检测率及DICA误检率如表9、表10所示。
图表编号 | XD0062733000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 刘鸿斌、陈琴、张昊、杨冲 |
绘制单位 | 南京林业大学林业资源高效加工利用协同创新中心、华南理工大学制浆造纸工程国家重点实验室、南京林业大学林业资源高效加工利用协同创新中心、南京林业大学林业资源高效加工利用协同创新中心、南京林业大学林业资源高效加工利用协同创新中心 |
更多格式 | 高清、无水印(增值服务) |