期刊文献+

基于局部Fisher判别分析的复杂化工过程故障诊断 被引量:7

Fault diagnosis of complex chemical process based on local Fisher discriminant analysis
下载PDF
导出
摘要 为了提高复杂化工过程中故障检测和分类能力,提出基于局部Fisher判别分析(local Fisher discriminant analysis,LFDA)的复杂化工过程故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提议的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(kernel Fisher discriminant analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。 In order to improve the ability of fault detection and classification of complex chemical process,this paper proposed a fault diagnosis method of complex chemical process based on LFDA.Firstly,it calculated the local within-class and between-class scatter matrix of training data to find the projection direction.Secondly,it projected the training and test data into the projection vector for extracting the feature vector.Finally it calculated the Euclidean distances between feature vectors,and used KNN for classification.It applied the proposed method to the TE process.The monitoring results show that LFDA is better than FDA and KFDA,and LFDA method has the advantages of high accuracy and high sensitivity in classification and fault detection of different classes.
作者 郭金玉 韩建斌 李元 徐进学 Guo Jinyu;Han Jianbin;Li Yuan;Xu Jinxue(College of Information Engineering,Shenyang University of Chemical Technology,Shenyang 110142,China;College of Marine Electrical Engineering,Dalian Maritime University,Dalian Liaoning 116026,China)
出处 《计算机应用研究》 CSCD 北大核心 2018年第4期1122-1125,1129,共5页 Application Research of Computers
基金 国家自然科学基金重大资助项目(61490701) 国家自然科学基金资助项目(61673279) 辽宁省教育厅重点实验室资助项目(LZ2015059) 辽宁省教育厅资助项目(L2016007 L2015432) 辽宁省自然科学基金资助项目(201602584)
关键词 复杂化工过程 故障诊断 FISHER判别分析 核FISHER判别分析 局部Fisher判别分析 KNN分类器 complex chemical process fault diagnosis Fisher discriminant analysis kernel Fisher discriminant analysis local Fisher discriminant analysis KNN classifier
  • 相关文献

参考文献7

二级参考文献88

共引文献68

同被引文献76

引证文献7

二级引证文献48

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部