《基于KPCA的HVAC系统传感器故障诊断》PDF+DOC
作者:高运广,刘顺波,张振仁
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2008年第05期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2008050130
DOC编号:DOCCGQJ2008050139
下载格式:PDF + Word/doc 文字可复制、可编辑
《KPCA在凿岩台车控制系统传感器故障诊断中的应用》PDF+DOC2014年第03期 徐萍,王友才,杨光照,王凯
《一种改进的KPCA传感器故障识别方法及其应用》PDF+DOC2016年第06期 彭红星,潘梨莉,赵鸿图
《基于核独立成分分析和聚类中值的水下传感器故障诊断》PDF+DOC2017年第02期 陈作聪
《定值和随动单闭环系统传感器故障诊断》PDF+DOC2020年第09期 那文波,高宇,李明,刘甜甜
《传感器故障诊断中的数据关联方法与应用》PDF+DOC2001年第05期 张彦铎,姜兴渭,黄文虎
《基于ARM7的暖通空调直接数字控制器设计》PDF+DOC2011年第07期 李国光,王文海
《基于核主成分分析和RVM的传感器故障诊断算法设计》PDF+DOC2014年第03期 郭秀峰,任贺宇
《基于神经网络的传感器故障在线诊断系统》PDF+DOC1998年第04期 宋刚,黄善衡
《JSZ-1 型机械故障声发射诊断仪的研制》PDF+DOC1997年第02期 陈景彦,叶荣学,陈俊,金龙
《基于混合卡尔曼滤波器组的航空发动机双通道传感器故障检测》PDF+DOC2012年第01期 张书刚,郭迎清,陆军
传感器状态的好坏很大程度上影响暖通空调(HVAC)系统的运行,对其展开故障诊断十分必要。核主成分分析(KPCA)方法通过集成算子与非线性核函数计算高维特性空间的主元成分,有效捕捉过程变量中的非线性关系,将其用于传感器常见4种故障的诊断,先用Q统计量进行故障监测,再用T2贡献量百分比变化来识别故障。实验结果表明:KPCA方法具有很好的故障监测与诊断能力。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。