论文部分内容阅读
针对无法建立精确数学模型的非线性动态系统,提出一种基于自适应动态无偏LSSVM的故障在线监测模型。该模型通过改进LSSVM的结构风险形式得到无偏的LSSVM,并能够自适应的选择滑动时间窗的长度。在此基础上根据模型动态变化过程中核函数矩阵的特点设计了基于Cholesky分解的学习算法提高了模型训练效率,实现了非线性系统的在线监测。通过系统输出预测误差的变化,利用Parzen核密度估计方法判断故障的程度。仿真结果表明该故障监测模型在系统正常工作的情况下,能够跟踪系统的动态变化趋势;在系统出现突变故障的情