![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
故障诊断
文章平均质量分 88
leisurehu
这个作者很懒,什么都没留下…
展开
-
递推主元分析
递推主元分析背景参考文献背景实际的工业过程通常表现出时变特性 , 用主元分析法建立的模型随着时间的推移将出现明显的偏差 , 为此 , 需及时对模型进行更新。参考文献[1]: Li, W., Yue, H.H., Valle-Cervantes, S., Qin, S.J., 2000. Recursive PCA for adaptiveprocess monitoring. J. Pr...原创 2021-10-22 08:50:50 · 297 阅读 · 5 评论 -
慢特征分析(有代码)
1. 概述 慢特征分析(Slow Feature Analysis)是使用来自时间信号的信息学习不变特征的线性因子模型(Wiskott and Sejnowski,2002)。它的主要想法来自“慢性原则”,也就是说,变化过程中,我们观察的某些特征是比较缓慢的,比如一个观测斑马奔跑,它的条纹黑白交替会非常快,但是移动的位置特征变化比较缓慢。2. 算法推导 SFA的线性模型可以写成如下形式 mingj(⋅)⟨s˙j2⟩t\min _{g_{j}(\cdot)}\left\langle\d原创 2021-09-02 18:04:56 · 2432 阅读 · 0 评论 -
间歇过程动态潜结构阶段划分与在线监控
间歇过程动态潜结构阶段划分与在线监控引言基于动态潜结构的间歇过程阶段划分与在线监控优化策略选择价值函数选择算法流程参数选择代码开源引言动态间歇过程阶段划分目标是将间歇周期分为C个互不重叠且内部数据相关性一致的子序列集合 ,使得每个子序列内部数据动态特性一致。其中 , , ,子序列 也就是阶段, 和 分别表示第 个子序列的起始时刻和终止时刻。它本质上是时间序列分割问题[43]。与处理机器学习任务相同,阶段划分也由解空间,价值函数和优化算法这三个要素组成,阶段划分框架如图2.1所示。所有可能的阶段划分结果组原创 2021-07-13 16:22:50 · 957 阅读 · 4 评论