Documents disponibles écrits par cet auteur

Detection and identification of faults in NPP instruments using kernel principal component analysis / Jianping Ma in Transactions of the ASME . Journal of engineering for gas turbines and power, Vol. 134 N° 3 (Mars 2012) 

Public ISBD [article]  in Transactions of the ASME . Journal of engineering for gas turbines and power > Vol. 134 N° 3 (Mars 2012) . - 06 p. Titre : Detection and identification of faults in NPP instruments using kernel principal component analysis Type de document : texte imprimé Auteurs : Jianping Ma, Auteur ; Jin Jiang, Auteur Année de publication : 2012 Article en page(s) : 06 p. Note générale : Génie mécanique Langues : Anglais (eng) Mots-clés : Fault  diagnosis  Instruments  Nuclear  power  stations  Power  generation  faults  Power  system  identification  Principal  component  analysis  Sensor  fusion Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : In this paper, kernel principal component analysis (KPCA) is studied for fault detection and identification of the instruments in nuclear power plants. A KPCA model for fault isolation and identification is proposed by using the average sensor reconstruction errors. Based on this model, faults in multiple sensors can be isolated and identified simultaneously. Performance of the KPCA-based method is demonstrated with real NPP measurements. DEWEY : 620.1 ISSN : 0742-4795 En ligne : http://asmedl.org/getabs/servlet/GetabsServlet?prog=normal&id=JETPEZ000134000003 [...] [article] Detection and identification of faults in NPP instruments using kernel principal component analysis [texte imprimé] / Jianping Ma, Auteur ; Jin Jiang, Auteur . - 2012 . - 06 p. Génie mécanique Langues : Anglais (eng) in Transactions of the ASME . Journal of engineering for gas turbines and power > Vol. 134 N° 3 (Mars 2012) . - 06 p. Mots-clés : Fault  diagnosis  Instruments  Nuclear  power  stations  Power  generation  faults  Power  system  identification  Principal  component  analysis  Sensor  fusion Index. décimale : 620.1 Essais des matériaux. Défauts des matériaux. Protection des matériaux Résumé : In this paper, kernel principal component analysis (KPCA) is studied for fault detection and identification of the instruments in nuclear power plants. A KPCA model for fault isolation and identification is proposed by using the average sensor reconstruction errors. Based on this model, faults in multiple sensors can be isolated and identified simultaneously. Performance of the KPCA-based method is demonstrated with real NPP measurements. DEWEY : 620.1 ISSN : 0742-4795 En ligne : http://asmedl.org/getabs/servlet/GetabsServlet?prog=normal&id=JETPEZ000134000003 [...]