故障分离——一种基于FDA-SVDD的模式分类算法

• 作者: 宋执环 祝志博
• 来源期刊: 化工学报
• 关键词: Fisher判别分析 支持向量数据描述 串级融合 混联融合 故障分离
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2010-2016
• 页数: 7页
• 分类号: TP277
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2009.08.021

摘要

为了克服多变量统计过程控制在故障分离上的缺陷,提出了一种新的故障分离方法.新方法由基于Fisher判别分析(FDA)的特征提取、Fisher线性分类和基于支持向量数据描述(SVDD)的非线性核空间模式分类等算法组成.构造了基于FDA-SVDD的串级和混联融合方式,并设计了基于SVDD的加权归一化半径模式判别准则.非等温连续搅拌槽(CSTR)过程仿真验证了混联融合比单纯的FDA分类算法和串级融合具有更优良的故障分离效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋执环	浙江大学工业控制技术国家重点实验室工业控制研究所	140	1808	23.0	36.0
2	祝志博	浙江大学工业控制技术国家重点实验室工业控制研究所	2	18	2.0	2.0