基于MLFDA的化工过程故障模式分类方法

• 作者: 曹玉苹 王磊 田学民 邓晓刚
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: Fisher判别分析 局部Fisher判别分析 多块局部Fisher判别分析 故障模式分类 Tennessee Eastman过程
• 年，卷（期）: 2017,（5）
• 页码范围: 179-186
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.181

摘要

Fisher判别分析(FDA) 是一种有效的化工过程故障模式分类方法,但是其忽视了数据局部结构信息的挖掘.针对该问题,提出一种多块局部Fisher 判别分析(MLFDA) 方法,以更有效地识别化工过程故障.从变量和样本两个维度来分析数据的局部结构特性.针对变量维度的局部信息挖掘问题,设计了一种基于变量与数据集主元空间的相关度的变量分块方法,将全局过程变量划分为多个局部变量块.进一步考虑到样本维度的局部结构特性,应用基于局部权重因子的局部Fisher 判别分析(LFDA) 为每个局部变量块构建分类器.提出一种基于分类性能加权的多分类器集成方法,以融合不同分类器的决策结果.在Tennessee Eastman 过程上的仿真结果说明, MLFDA 方法具有比传统的FDA 和LFDA 方法更低的故障误分类率.