一种应用于不均衡小样本集的石化设备故障智能诊断方法

• 作者: 袁壮
• 来源期刊: 安全、健康和环境
• 关键词: 石化设备 故障智能诊断 不均衡数据集 小样本学习 一类支持向量机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 过程模拟与诊断
• 页码范围: 58-65
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7932.2021.01.012

摘要

针对实际生产中,石化设备故障呈现出"不均衡小样本"特性,致使传统诊断模型适用性不足,准确率低下这一问题,基于一类支持向量机(One-Class SVM)和遗传算法优化的支持向量机(GA-SVM),提出一种分步诊断策略.利用One-Class SVM构建超球诊断模型,可在没有任何故障先例的前提下实现异常状态辨识和未知故障甄别,提升算法对不均衡监测数据(正常样本数量远超故障样本数量)的适用性;利用GA-SVM,针对小样本故障数据集构建并优化智能诊断模型,判别故障模式,降低算法对大量有标签故障样本的依赖.故障诊断实验结果表明,该方法能够在不均衡小样本场景中显著降低漏报率、误报率和误诊率,对实验数据和工程数据的诊断准确率分别达99％和100％.