控制理论与应用

作者：钟凯,徐明星,韩敏

单位：大连理工大学,大连理工大学,大连理工大学

关键词：故障分类; 局部费舍尔判别分析; 分类结果集成; 数据局部结构特征

基金：中央高校基本科研业务费项目(DUT20LAB114)资助.

实际工业过程数据的局部特性一般都较为复杂, 不利于样本特征的提取和故障分类精度的提高. 针对此问题, 本文提出一种集成的局部费舍尔判别分析(ILFDA)模型, 可以同时从变量和样本两个维度挖掘数据的局部结构特征, 提高故障分类的性能并降低建模的难度. 首先, 根据过程的结构原理对复杂系统进行分块, 从而可以有效获取变量维度的数据局部信息, 并排除无关变量的影响. 其次, 针对样本维度的数据局部信息, 在每个变量子块中分别建立局部费舍尔判别分析(LFDA)模型, 并为每个局部模型分配相应的权值, 从而可以更准确地衡量不同子块对当前故障的影响程度. 最后, 利用分类性能加权策略将各个子块的分类结果进行融合. 田纳西–伊斯曼(TE)过程中的仿真结果验证本文所提的ILFDA方法具有更好的故障分类效果.

来源：2021年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第4期