论文部分内容阅读
在故障诊断过程中，传统的主元分析（Principal Component Analysis，PCA）算法，假设建模使用的历史数据为正常模式下采集的纯净数据，而在工业现场这一假设难以满足。针对传统PCA算法的这一缺陷，文中提出一种鲁棒PCA算法。该算法利用流形学习的思想，通过构造数据间近邻图的方式，计算各数据点的能量密度函数，并以此为依据去除历史数据中混杂的噪声和故障数据，增强PCA算法的鲁棒性。同时在文中给出了鲁棒PCA算法在故障诊断中的应用步骤，并通过对Tennessee Eastman过程的仿真研究，