基于重构的半监督ELM及其在故障诊断中的应用

• 作者: 张汉元 易维淋 田学民
• 来源期刊: 化工学报
• 关键词: 半监督极限学习机 重构 ELM-AE 故障诊断
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2447-2454
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161252

摘要

工业过程中获取带标签的故障数据困难,而无标签故障数据却大量存在,如何有效地利用数据信息进行故障诊断是故障诊断领域的重要内容.为更充分地挖掘和利用数据信息,提出一种新的半监督学习方法:基于重构的半监督极限学习机(RSELM).相比于传统的半监督极限学习机(ELM)方法,RSELM采用自动编码ELM(ELM-AE)获得的输出权重替代随机的隐含层输入权重,能更有效地提取数据特征;考虑到数据均可由其近邻数据来线性重构,故可构建近邻数自适应选择的重构图,并同时利用数据的标签信息优化连接权重,以更优地反映数据结构信息;通过建立新的含局部保持的目标函数,可有效地训练分类器.标准数据集和TE过程上的仿真实验验证了所提算法的有效性.