基于混合方法的工业过程故障分类研究
发布时间:2023-03-04 10:10
在实际工业生产过程中,保持系统稳定高效的运行是安全、准时地完成生产任务的基础,而这离不开对工业过程系统的状态检测和故障诊断。故障分类技术可以确定故障类别,有利于定位故障,是故障诊断过程极为重要的一步。但随着现代工业过程系统功能的多样化和结构的复杂化,工业过程的故障分类面临着越来越大的困难,仅靠单一方法难以完成日益复杂的工业过程的故障分类任务。这对于及时完成故障诊断以确保系统安全稳定的运行有着极为不利的影响。为了解决这一问题,本文通过使用混合方法对故障进行分类识别。主要研究内容如下:(1)提出一种基于混合特征生成的快速K近邻故障分类方法。首先,针对样本质量差会导致K近邻分类器分类准确率过低的情况,提出一种结合Relief F算法和线性判别分析算法的混合特征生成方法,以对样本进行预处理并提高样本质量;然后,针对K近邻分类器分类过程计算开销大的缺点,采用K-medoids聚类算法减少训练样本数量,以降低K近邻分类器分类过程的计算开销。该方法一方面保障了K近邻分类器的分类准确率,另一方面提高了其分类效率。(2)提出一种基于分类器有效性的改进投票法。尽管(1)中的混合故障分类方法相比单一K近邻方...
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 混合故障分类方法概述
1.3 国内外研究发展现状
1.4 课题研究内容及结构
1.4.1 研究内容
1.4.2 论文结构
2 相关理论基础
2.1 引言
2.2 欧式距离
2.3 混合故障分类中的协同合作模式
2.3.1 特征选择简介
2.3.2 特征提取简介
2.4 混合故障分类中的多分类器系统
2.4.1 分类器多样性
2.4.2 决策融合
2.5 TE仿真平台
2.6 本章小结
3 基于混合特征生成和K-medoids的 K近邻故障分类算法
3.1 引言
3.2 KNN算法概述
3.3 Relief F算法与LDA算法
3.4 K-medoids聚类算法
3.5 基于混合特征生成和K-medoids的快速KNN故障分类算法
3.6 仿真研究
3.6.1 实验环境
3.6.2 实验过程及结果
3.7 本章小结
4 基于分类器有效性的多分类器系统
4.1 引言
4.2 多样性设计
4.3 基于分类器有效性的改进投票法
4.3.1 分类器有效性概念
4.3.2 改进投票法
4.4 基于分类器有效性的多分类器系统
4.4.1 系统框架
4.4.2 实验数据
4.4.3 分类器参数设置
4.4.4 实验过程及结果
4.5 本章小结
5 基于组合权重的多分类器系统
5.1 引言
5.2 组合权重
5.2.1 层次分析法
5.2.2 熵权-逼近理想解排序法
5.3 基于组合权重的改进投票法
5.4 基于组合权重的多分类器系统
5.4.1 系统框架
5.4.2 分类器性能评估
5.4.3 仿真过程及结果
5.5 总结
6 总结与展望
6.1 论文总结
6.2 未来展望
致谢
参考文献
附录一
附录二
本文编号:3754088
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 混合故障分类方法概述
1.3 国内外研究发展现状
1.4 课题研究内容及结构
1.4.1 研究内容
1.4.2 论文结构
2 相关理论基础
2.1 引言
2.2 欧式距离
2.3 混合故障分类中的协同合作模式
2.3.1 特征选择简介
2.3.2 特征提取简介
2.4 混合故障分类中的多分类器系统
2.4.1 分类器多样性
2.4.2 决策融合
2.5 TE仿真平台
2.6 本章小结
3 基于混合特征生成和K-medoids的 K近邻故障分类算法
3.1 引言
3.2 KNN算法概述
3.3 Relief F算法与LDA算法
3.4 K-medoids聚类算法
3.5 基于混合特征生成和K-medoids的快速KNN故障分类算法
3.6 仿真研究
3.6.1 实验环境
3.6.2 实验过程及结果
3.7 本章小结
4 基于分类器有效性的多分类器系统
4.1 引言
4.2 多样性设计
4.3 基于分类器有效性的改进投票法
4.3.1 分类器有效性概念
4.3.2 改进投票法
4.4 基于分类器有效性的多分类器系统
4.4.1 系统框架
4.4.2 实验数据
4.4.3 分类器参数设置
4.4.4 实验过程及结果
4.5 本章小结
5 基于组合权重的多分类器系统
5.1 引言
5.2 组合权重
5.2.1 层次分析法
5.2.2 熵权-逼近理想解排序法
5.3 基于组合权重的改进投票法
5.4 基于组合权重的多分类器系统
5.4.1 系统框架
5.4.2 分类器性能评估
5.4.3 仿真过程及结果
5.5 总结
6 总结与展望
6.1 论文总结
6.2 未来展望
致谢
参考文献
附录一
附录二
本文编号:3754088
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3754088.html