摘要：针对影响铝电解槽状态的参数较多且耦合性强、建立诊断模型的计算量巨大、诊断精度有限等问题,提出一种基于优化相对主元分析(ORPCA)的铝电解槽况诊断方法。利用相对主元分析(RPCA)方法在进行特征选择时的降维优势,提出一种有效的准则以确定主元的相对权重。通过遗传算法(GA)构造误报率适应度函数,考察观测样本在主元空间和残差空间里投影的变化,以获得搜索区域内最优的相对转换矩阵,使Hotelling's T2检验和预测平方差(SPE)检验的误报率降低到最小。对某厂170 kA大型预焙槽的样本进行检验,实验结果表明,该方法在置信度为95%和97.5%时,T2检验误报率分别为16.79%和9.77%,SPE检验误报率分别为4.01%和1.75%。与同类算法相比,所提方法不但能准确诊断出铝电解槽中出现的异常状态,而且明显降低T2检验和SPE检验中出现误报的概率。

摘要：目前船员对于船舶状况、航行状态等的判断主要还是依靠经验,难免会出现不恰当的决策,造成不必要的人力、财力的损失;针对这一问题提出并开发了一套融入相对主元分析船舶机舱监控系统;该系统除了具有常规机舱监控系统功能外,还能实现故障监测功能;协助管理人员进行系统故障的分析,从而更好地保证船舶航行的安全与效率,减少人为误操作带来的事故问题;增强了船舶监控系统的功能,大大提高了人员的工作效率减轻了人员的劳动强度;其设计满足船级社的定期无人机舱值守操作,为机舱监控系统的设计提供了一种新的思路。