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影響過程輸出的質量，因此，準確地診斷過程故障能夠有效提升過程輸出的質量。然而工業(yè)系統(tǒng)過程模型的復雜性和較難獲得的特點卻為過程故障的診斷提出了不小的挑戰(zhàn)。同時，由于過程變量小偏移所導致得過程故障類間重疊的問題，往往會降低故障“拒識”和“判別”過程的分類正確率，而且對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。更為嚴重的是，當歷史故障數(shù)據(jù)的類標簽不可知時，沒有類標

2、簽這樣強形式的監(jiān)督信息的支持，模式分類算法的故障“判別”結果往往令人無法接受。
　　針對上述問題，本文在總結前人優(yōu)秀算法的基礎上，利用數(shù)學分析方法，構建合理模型，提出了一系列新的算法。對于故障數(shù)據(jù)滿足正態(tài)分布的情況，新算法RS能夠有效提升SVDD算法對重疊故障的“拒識”性能。仿真結果表明，最大提升高達到0.4260，由0.5519提升到0.9779，新算法PFDA能夠大幅提升FDA對重疊故障的“判別”性能，最大提升高達到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。仿真結果表明，最大提升高達到40.35%，由52.65%提升到93%。
　　當故障數(shù)據(jù)不滿足正態(tài)分布并且非線性可分時，對于類標簽可用的情況，本文整合了Amari的核函數(shù)構建方法和Kernel Alignment優(yōu)化準則，所形成的算法稱作KAKA算法，該算法能夠有效回避利用Fisher準則矩陣求逆所帶來的奇點問題。通

4、過人工數(shù)據(jù)測試，KAKA算法的判別正確率優(yōu)于KSDA，最大提升高達到37.60%，由61.40%提升到99%。而對于類標簽不可用的情況，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)假設對模式分類算法使用的約束，而且研究產(chǎn)生的新算法和技術對于拓展過程故障診斷方法將具有重要的理論價