一種分步動(dòng)態(tài)自回歸KPCA算法

　　針對(duì)滑動(dòng)窗自適應(yīng)核主元分析法KPCA）在處理參數(shù)敏感和緩慢劣化問(wèn)題時(shí)存在的“過(guò)適應(yīng)”現(xiàn)象，容易產(chǎn)生漏報(bào)的問(wèn)題，提出了一種分步動(dòng)態(tài)自回歸KPCA算法。首先，借鑒動(dòng)態(tài)數(shù)據(jù)矩陣思想，分步建立初始模型；然后，在滑動(dòng)窗自適應(yīng)KPCA的基礎(chǔ)上，引入指數(shù)加權(quán)法則處理實(shí)時(shí)數(shù)據(jù)、更新模型；最后，分析算法復(fù)雜度，并給出具體實(shí)現(xiàn)步驟。利用模擬數(shù)據(jù)分析分解系數(shù)和加權(quán)因子對(duì)算法的影響，結(jié)果表明，與滑動(dòng)窗自適應(yīng)KPCA相比，所提方法在參數(shù)選擇恰當(dāng)?shù)那闆r下，模型效率提高了近90%，誤報(bào)次數(shù)幾乎降為0，還能通過(guò)調(diào)整加權(quán)因子取值來(lái)控制算法的適應(yīng)能力，以解決多樣化的動(dòng)態(tài)問(wèn)題。將算法應(yīng)用于壓縮機(jī)喘振和軸承故障實(shí)驗(yàn)數(shù)據(jù)分析，驗(yàn)證了所提算法處理參數(shù)敏感和緩慢劣化問(wèn)題的能力。