2.624

2020影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

相对主元分析及其在数据压缩和故障诊断中的应用研究

文成林 胡静 王天真 陈志国

文成林, 胡静, 王天真, 陈志国. 相对主元分析及其在数据压缩和故障诊断中的应用研究. 自动化学报, 2008, 34(9): 1129-1140. doi: 10.3724/SP.J.1004.2008.01128
引用本文: 文成林, 胡静, 王天真, 陈志国. 相对主元分析及其在数据压缩和故障诊断中的应用研究. 自动化学报, 2008, 34(9): 1129-1140. doi: 10.3724/SP.J.1004.2008.01128
WEN Cheng-Lin, HU Jing, WANG Tian-Zhen, CHEN Zhi-Guo. Relative PCA with Applications of Data Compression and Fault Diagnosis. ACTA AUTOMATICA SINICA, 2008, 34(9): 1129-1140. doi: 10.3724/SP.J.1004.2008.01128
Citation: WEN Cheng-Lin, HU Jing, WANG Tian-Zhen, CHEN Zhi-Guo. Relative PCA with Applications of Data Compression and Fault Diagnosis. ACTA AUTOMATICA SINICA, 2008, 34(9): 1129-1140. doi: 10.3724/SP.J.1004.2008.01128

相对主元分析及其在数据压缩和故障诊断中的应用研究

doi: 10.3724/SP.J.1004.2008.01128
详细信息
    通讯作者:

    文成林

  • 中图分类号: TP391; TP277

Relative PCA with Applications of Data Compression and Fault Diagnosis

More Information
    Corresponding author: WEN Cheng-Lin
  • 摘要: 传统主元分析(Principal component analysis, PCA)方法因忽视量纲对系统的影响, 从而使选取的主元难以具有代表性; 而在进行量纲标准化后, 又因得到的特征值常常是近似相等的而无法进行有效的主元提取. 针对这一主要问题, 本文通过引入相对化变换(Relative transform, RT)、相对主元(Relative principal components, RPCs) 和分布"均匀"等概念, 建立起一种相对主元分析(Relative principal component analysis, RPCA)的新方法. 该方法首先对系统各分量进行量纲标准化; 其次再根据系统的先验信息分析和确定各分量的重要程度; 然后在系统能量守恒的准则下, 赋以系统各分量相应的权值; 最后利用已建立起的相对主元模型, 对系统实施RPCA. 同时运用数值例子, 开展了RPCA在数据压缩和系统故障诊断中的应用研究. 理论分析和仿真实验均表明, 采用RPCA方法选取出的主元更具代表性和显著几何意义, 加之选取主元的灵活性, 将使新方法具有更广泛的应用前景.
  • 加载中
计量
  • 文章访问数:  2837
  • HTML全文浏览量:  24
  • PDF下载量:  2035
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-06-29
  • 修回日期:  2007-08-27
  • 刊出日期:  2008-09-20

目录

    /

    返回文章
    返回