基于ICA-ELM的工业过程故障分类

• 作者: 严文武 潘丰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 独立成分分析 极限学习机 故障分类 概率神经网络 支持向量机 TE过程
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 290-294
• 页数: 5页
• 分类号: TP39
• 字数: 3733字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.10.055

摘要

基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类.为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法.利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类.采用TE过程数据进行验证,实验结果表明,与概率神经网络和支持向量机相比,ICA-ELM算法的故障分类准确率更高,训练速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘丰	江南大学轻工过程先进控制教育部重点实验室	203	1133	16.0	23.0
2	严文武	江南大学轻工过程先进控制教育部重点实验室	2	8	1.0	2.0