基于t分布随机邻域嵌入算法的工业过程故障分类

• 作者: 曹敏 李维 李鹏 苗爱敏 陶飞
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: t分布随机邻域嵌入 工业过程 费舍判别分析 支持向量机 田纳西-伊士曼过程 核主元分析法 拉普拉斯特征映射
• 年，卷（期）: 2020,（3）
• 页码范围: 332-339
• 页数: 8页
• 分类号: TP277
• 字数: 4131字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.03.011

摘要

针对在工业过程中数据普遍存在的非线性特性,基于数据的局部相关关系对分类的影响,提出一种基于t分布随机邻域嵌入(t-SNE)的数据特征提取和故障分类方法.利用t-SNE算法非线性、非参数降维的优势,与费舍判别分析(FDA)、支持向量机(SVM)分类器相结合建立故障分类模型.利用t-SNE算法对故障数据进行非线性特征提取,获取数据的关键区分特征.用FDA和SVM算法实现故障分类和识别.通过田纳西-伊士曼(TE)过程获得的实验数据进行实验仿真分析,并分别与基于核主元分析法(KPCA)、拉普拉斯特征映射(LE)构建的KPCA-FDA、LE-FDA、KPCA-SVM、LE-SVM 4种故障分类模型进行比较.定量评估结果表明:即使基于不同分类器,相较于其他2种方法,该文方法的分类准确率分别提升了2％和7％,且其平均分类准确率能保持在97％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏	云南大学信息学院	69	675	11.0	24.0
2	曹敏	云南电网有限责任公司电力科学研究院	112	433	11.0	16.0
3	陶飞	云南大学信息学院	4	0	0.0	0.0
4	苗爱敏	仲恺农业工程学院自动化工程系	5	2	1.0	1.0
5	李维	云南电网有限责任公司电力科学研究院	16	22	2.0	3.0