基于混合算法的过程故障可拒绝模式分类方法研究
发布时间：2023-10-28 17:11
工业系统过程故障的存在常常会影响过程输出的质量，因此，准确地诊断过程故障能够有效提升过程输出的质量。然而工业系统过程模型的复杂性和较难获得的特点却为过程故障的诊断提出了不小的挑战。同时，由于过程变量小偏移所导致得过程故障类间重叠的问题，往往会降低故障“拒识”和“判别”过程的分类正确率，而且对于受重叠影响的非正态分布并且非线性可分的故障数据，传统的基于核函数的模式分类算法已经趋于失效。更为严重的是，当历史故障数据的类标签不可知时，没有类标签这样强形式的监督信息的支持，模式分类算法的故障“判别”结果往往令人无法接受。 针对上述问题，本文在总结前人优秀算法的基础上，利用数学分析方法，构建合理模型，提出了一系列新的算法。对于故障数据满足正态分布的情况，新算法RS能够有效提升SVDD算法对重叠故障的“拒识”性能。仿真结果表明，最大提升高达到0.4260，由0.5519提升到0.9779，新算法PFDA能够大幅提升FDA对重叠故障的“判别”性能，最大提升高达到46.83%，由52.65%提升到99.48%，以及新算法Relief F-KAKA能够有效提升KSDA“判别”重叠故障的正确率。仿真结果表...
【文章页数】：105 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
第一章 引言
1.1 选题背景及问题的提出
1.2 选题意义
1.3 文献综述
1.4 论文内容与技术路线
1.5 本文的创新点
第二章 基于 Relief F 和 SVDD 的重叠新故障拒识研究
2.1 问题描述
2.2 基本算法介绍
2.2.1 Relief 和 Relief F 算法
2.2.2 支持向量数据描述(SVDD)
2.3 Relief F-SVDD(RS)算法研究
2.4 模拟数据的产生
2.5 验证方法
2.6 验证与对比
2.6.1 重叠故障构建
2.6.2 RS 算法的参数选择
2.6.3 RS 算法对组合内两个故障“调换”的适应性研究
2.6.4 不同重叠方式及不同变量相关关系对 RS 算法性能的影响
2.6.5 RS 算法与 SVDD 算法对比研究
2.7 本章小结
第三章 基于主成分修整和 Fisher 判别分析的重叠故障判别研究
3.1 问题描述
3.2 FDA 与 PCA 对比分析
3.2.1 主成分分析(PCA)
3.2.2 Fisher 判别分析(FDA)
3.3 基于 PCA 修整的 FDA
3.4 模拟数据的产生
3.5 验证方法
3.6 验证与对比
3.6.1 重叠故障构建
3.6.2 PFDA 算法的参数选择
3.6.3 不同重叠方式和不同变量相关关系对 PFDA 算法性能的影响
3.6.4 窗口宽度 对 PFDA 算法性能影响研究
3.6.5 PFDA 算法与 KSDA 和 FDA 算法对比研究
3.7 本章小结
第四章 基于核函数优化的故障数据判别研究
4.1 问题描述
4.2 相关算法介绍
4.2.1 核函数方法
4.2.2 两种基于数据构建核函数的方法比较
4.2.3 Kernel alignment 与 Fisher 准则比较
4.2.4 KFDA 与 KSDA
4.3 新算法的介绍
4.4 模拟数据的产生
4.5 验证方法
4.6 验证与对比
4.6.1 非正态且非线性可分的故障数据产生
4.6.2 KAKA 算法的参数选择
4.6.3 KAKA 算法对没有重叠的非正态且非线性可分故障的判别
4.6.4 KAKA 算法对存在重叠的非正态且非线性可分故障的判别
4.6.5 Relief F-KAKA 算法对存在较严重重叠且满足正态分布故障的判别
4.6.6 KAKA 算法与 KSDA 算法对比研究
4.6.7 Relief F-KAKA 算法与 KSDA 算法对比研究
4.7 本章小结
第五章 基于边信息核函数优化的故障数据判别研究
5.1 问题描述
5.2 相关算法介绍
5.2.1 模糊聚类算法(FCM)
5.2.2 两种核化模糊聚类算法(KFCM)
5.3 新算法的介绍
5.3.1 基于边信息的核函数优化的目标函数构建
5.3.2 基于边信息的核函数优化流程
5.4 模拟数据的产生
5.5 验证方法
5.6 验证与对比
5.6.1 非正态且非线性可分的故障数据产生
5.6.2 SKK 算法的参数选择
5.6.3 SKK 算法对没有重叠的非正态且非线性可分故障的判别
5.6.4 SKK 算法对存在重叠的非正态且非线性可分故障的判别
5.6.5 SKK 算法与 KFCM-F+KSDA 算法对比研究
5.7 本章小结
第六章 总结与展望
参考文献
博士期间项目参与及学术成果
附录
致谢
本文编号：3857421
【文章页数】：105 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
第一章 引言
1.1 选题背景及问题的提出
1.2 选题意义
1.3 文献综述
1.4 论文内容与技术路线
1.5 本文的创新点
第二章 基于 Relief F 和 SVDD 的重叠新故障拒识研究
2.1 问题描述
2.2 基本算法介绍
2.2.1 Relief 和 Relief F 算法
2.2.2 支持向量数据描述(SVDD)
2.3 Relief F-SVDD(RS)算法研究
2.4 模拟数据的产生
2.5 验证方法
2.6 验证与对比
2.6.1 重叠故障构建
2.6.2 RS 算法的参数选择
2.6.3 RS 算法对组合内两个故障“调换”的适应性研究
2.6.4 不同重叠方式及不同变量相关关系对 RS 算法性能的影响
2.6.5 RS 算法与 SVDD 算法对比研究
2.7 本章小结
第三章 基于主成分修整和 Fisher 判别分析的重叠故障判别研究
3.1 问题描述
3.2 FDA 与 PCA 对比分析
3.2.1 主成分分析(PCA)
3.2.2 Fisher 判别分析(FDA)
3.3 基于 PCA 修整的 FDA
3.4 模拟数据的产生
3.5 验证方法
3.6 验证与对比
3.6.1 重叠故障构建
3.6.2 PFDA 算法的参数选择
3.6.3 不同重叠方式和不同变量相关关系对 PFDA 算法性能的影响
3.6.4 窗口宽度 对 PFDA 算法性能影响研究
3.6.5 PFDA 算法与 KSDA 和 FDA 算法对比研究
3.7 本章小结
第四章 基于核函数优化的故障数据判别研究
4.1 问题描述
4.2 相关算法介绍
4.2.1 核函数方法
4.2.2 两种基于数据构建核函数的方法比较
4.2.3 Kernel alignment 与 Fisher 准则比较
4.2.4 KFDA 与 KSDA
4.3 新算法的介绍
4.4 模拟数据的产生
4.5 验证方法
4.6 验证与对比
4.6.1 非正态且非线性可分的故障数据产生
4.6.2 KAKA 算法的参数选择
4.6.3 KAKA 算法对没有重叠的非正态且非线性可分故障的判别
4.6.4 KAKA 算法对存在重叠的非正态且非线性可分故障的判别
4.6.5 Relief F-KAKA 算法对存在较严重重叠且满足正态分布故障的判别
4.6.6 KAKA 算法与 KSDA 算法对比研究
4.6.7 Relief F-KAKA 算法与 KSDA 算法对比研究
4.7 本章小结
第五章 基于边信息核函数优化的故障数据判别研究
5.1 问题描述
5.2 相关算法介绍
5.2.1 模糊聚类算法(FCM)
5.2.2 两种核化模糊聚类算法(KFCM)
5.3 新算法的介绍
5.3.1 基于边信息的核函数优化的目标函数构建
5.3.2 基于边信息的核函数优化流程
5.4 模拟数据的产生
5.5 验证方法
5.6 验证与对比
5.6.1 非正态且非线性可分的故障数据产生
5.6.2 SKK 算法的参数选择
5.6.3 SKK 算法对没有重叠的非正态且非线性可分故障的判别
5.6.4 SKK 算法对存在重叠的非正态且非线性可分故障的判别
5.6.5 SKK 算法与 KFCM-F+KSDA 算法对比研究
5.7 本章小结
第六章 总结与展望
参考文献
博士期间项目参与及学术成果
附录
致谢
本文编号：3857421
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3857421.html