基于混合算法的過程故障可拒絕模式分類方法研究.pdf

1、工業(yè)系統(tǒng)過程故障的存在常常會(huì)影響過程輸出的質(zhì)量，因此，準(zhǔn)確地診斷過程故障能夠有效提升過程輸出的質(zhì)量。然而工業(yè)系統(tǒng)過程模型的復(fù)雜性和較難獲得的特點(diǎn)卻為過程故障的診斷提出了不小的挑戰(zhàn)。同時(shí)，由于過程變量小偏移所導(dǎo)致得過程故障類間重疊的問題，往往會(huì)降低故障“拒識(shí)”和“判別”過程的分類正確率，而且對(duì)于受重疊影響的非正態(tài)分布并且非線性可分的故障數(shù)據(jù)，傳統(tǒng)的基于核函數(shù)的模式分類算法已經(jīng)趨于失效。更為嚴(yán)重的是，當(dāng)歷史故障數(shù)據(jù)的類標(biāo)簽不可知時(shí)，沒有類標(biāo)

2、簽這樣強(qiáng)形式的監(jiān)督信息的支持，模式分類算法的故障“判別”結(jié)果往往令人無法接受。
　　針對(duì)上述問題，本文在總結(jié)前人優(yōu)秀算法的基礎(chǔ)上，利用數(shù)學(xué)分析方法，構(gòu)建合理模型，提出了一系列新的算法。對(duì)于故障數(shù)據(jù)滿足正態(tài)分布的情況，新算法RS能夠有效提升SVDD算法對(duì)重疊故障的“拒識(shí)”性能。仿真結(jié)果表明，最大提升高達(dá)到0.4260，由0.5519提升到0.9779，新算法PFDA能夠大幅提升FDA對(duì)重疊故障的“判別”性能，最大提升高達(dá)到46.83

3、％，由52.65%提升到99.48%，以及新算法ReliefF-KAKA能夠有效提升KSDA“判別”重疊故障的正確率。仿真結(jié)果表明，最大提升高達(dá)到40.35%，由52.65%提升到93%。
　　當(dāng)故障數(shù)據(jù)不滿足正態(tài)分布并且非線性可分時(shí)，對(duì)于類標(biāo)簽可用的情況，本文整合了Amari的核函數(shù)構(gòu)建方法和Kernel Alignment優(yōu)化準(zhǔn)則，所形成的算法稱作KAKA算法，該算法能夠有效回避利用Fisher準(zhǔn)則矩陣求逆所帶來的奇點(diǎn)問題。通

4、過人工數(shù)據(jù)測(cè)試，KAKA算法的判別正確率優(yōu)于KSDA，最大提升高達(dá)到37.60%，由61.40%提升到99%。而對(duì)于類標(biāo)簽不可用的情況，本文提出基于邊信息優(yōu)化核函數(shù)的新算法SKK，能夠有效提升經(jīng)典KFCM-F和KSDA組合算法的正確率，最大提升高達(dá)到29.10%，由65.40%提升到94.50%。
　　本文問題的解決，不僅能夠突破傳統(tǒng)假設(shè)對(duì)模式分類算法使用的約束，而且研究產(chǎn)生的新算法和技術(shù)對(duì)于拓展過程故障診斷方法將具有重要的理論價(jià)