首页|基于密度空间支持向量机的多工况过程故障检测

基于密度空间支持向量机的多工况过程故障检测

MULTI-CONDITION FAULT DETECTION BASED ON SUPPORT VECTOR MACHINE IN DENSITY SPACE

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了有效地对多工况数据进行检测,提出基于密度空间支持向量机(SVM)的多工况过程故障检测方法.运用局部概率密度方法对多工况数据进行预处理,消除多工况数据对过程故障检测特性的影响.在密度空间,运用正常数据和故障数据训练SVM模型获得权重向量和位移.把校验数据和测试故障数据作为SVM模型的输入,对其进行监视和检测.将该方法运用于田纳西—伊斯曼(Tennessee Esatman)多工况过程,仿真结果表明,对某些故障PCA和KPCA的检测效果较好,而对于某些故障SVM的检测效果较好.SVM的平均故障检测率优于PCA和KPCA.因此,不同的方法适用于不同类型的故障.

郭金玉、李涛、李元

展开 >

沈阳化工大学信息工程学院 辽宁 沈阳110142

多工况过程 故障检测 局部概率密度 支持向量机

国家自然科学基金辽宁省教育厅项目

61673279LJ2019007

2022

10.3969/j.issn.1000-386x.2022.07.006

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(7)
  • 2