LDA_SVM方法在化工过程故障诊断中的应用

• 作者: 余云松 冀丰偲 张早校
• 来源期刊: 高校化学工程学报
• 学科: 工学
• 关键词: 线性判别分析 支持向量机 田纳西-伊斯曼 故障诊断
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 化工系统工程
• 页码范围: 487-494
• 页数: 8页
• 分类号: TQ465.92
• 字数: 3881字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9015.2020.02.025

摘要

针对复杂化工生产过程数据多样性、高维性以及风险重复性的特点,结合网格搜索(GS)与K折交叉验证(K-CV)理论,提出一种基于线性判别分析(LDA)与支持向量机(SVM)相融合的故障诊断方法.首先利用LDA对正常工况和5类故障模式的混合运行数据进行矢量映射,压缩特征空间维度,抽取并重构故障特征信息.将预处理后的数据作为输入样本,利用GS与K-CV得到最佳SVM分类器,实现故障诊断.仿真结果表明,相对于单一SVM和PCA(主元分析)_SVM故障诊断模型,LDA与SVM融合故障诊断方法收敛速度快、诊断准确率高、模型健壮,对化工过程6种运行模式的故障识别准确率达到93.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张早校	西安交通大学化学工程与技术学院	93	720	16.0	22.0
5	余云松	西安交通大学化学工程与技术学院	11	93	4.0	9.0
6	冀丰偲	西安交通大学化学工程与技术学院	1	0	0.0	0.0