论文部分内容阅读
传统多尺度主元分析(MSPCA)方法只能检测出故障,而不能检测出故障的类型。针对这个问题,将MSPCA与自适应共振(ART2)神经网络相结合给出了一种基于多模式的故障检测方法,该方法首先对样本数据进行多尺度分解,在各个尺度上进行主元分析,然后再对重构后的数据用ART2进行分类。它可以有效地检测出故障类型,同时还可以利用小波的去噪能力克服了ART2分类对噪声比较敏感,成功地实现系统中各故障的分离。最后,通过计算机仿真实验,开展多模式的故障检测方法在自相关系统中的应用。理论分析和仿真实验均表明,该新方法具有广泛的应用前景。