基于PCA-RFR的传感器故障定位方法

• 作者: 刘飞 潘磊 赵忠盖
• 来源期刊: 计算机测量与控制
• 关键词: 随机森林回归 变量重要性度量 主成分分析 故障定位 因果分析
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 32-35,40
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.04.007

摘要

基于数据驱动的故障诊断方法近些年来得到广泛的研究和应用,但这些方法主要针对于故障检测,对于故障根源的定位尚未得到充分解决;为此,提出一种基于主成分分析(PCA)和随机森林回归(PFR)的因果分析故障定位方法(PCA-PFR),该方法通过将离线故障数据段中的变量作为输入,与之对应的统计量作为输出建立随机森林回归模型,然后通过模型的变量重要性度量来得到过程变量对统计量的因果关系系数,其中值越大的变量被认为越有可能是引起故障发生的故障变量;最后通过一个数值案例和TE过程仿真实验,表明该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	江南大学物联网工程学院	236	964	13.0	17.0
2	赵忠盖	江南大学物联网工程学院	49	218	9.0	12.0
3	潘磊	江南大学物联网工程学院	5	10	2.0	3.0