摘要：为实时监控动态过程的运行状态，提出基于提升小波变换和最小二乘支持向量机（LSSVM）及BP神经网络（BPNN）相结合的在线智能监控模型。采用提升小波变换提取原始数据的重构特征，并分别抽取重构后数据序列的均值、形状特征。利用基于提升小波重构特征的LSSVM判定动态过程是否异常，基于重构后均值特征的BPNN将5种异常模式划分为3个类别。通过基于重构后形状特征的LSSVM对3类异常模式进一步识别。最后，应用该模型对某精密轴加工过程进行在线智能监控。结果表明，与基于离散小波重构的BPNN模型、基于统计和形状特征的支持向量机模型相比，所提模型不仅识别精度高且训练耗时少。

简介：《系统管理学报》（CN：31-1977/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社