朴素贝叶斯分类在仪表故障判断上的应用

发布时间：2021-10-27 22:02

　　为了探讨朴素贝叶斯分类在仪表故障判断领域的应用价值,通过将某核电厂压力表故障的历史信息进行分类汇总,将故障的判断转换成文本分类任务,结合朴素贝叶斯分类算法和自然语言处理建立故障的分类模型,实现对新增故障的准确判断。通过验证,朴素贝叶斯分类模型能够对新增故障进行判断分类。测试中需要进行校验类故障准确率能够达到95%以上,其他类故障准确率高于70%。传统故障判断一般是由人来完成,通过贝叶斯分类模型实现对故障的判断,可减轻人员劳动强度,提高工厂维修自动化水平。 

【文章来源】：南华大学学报(自然科学版). 2020,34(02)

【文章页数】：5 页

【部分图文】：

故障判断流程

图1 故障判断流程通过对测试结果及模型原理分析，在创建模型之初选择样本容量大且全面的数据集对模型特征序列的选取很有帮助，在选取特征序列时要选取尽量多的词汇，这样能保证指向性高的特征词在特征序列之中。对于实际出现很少的缺陷，可以强制给出对应的特征序列并且设定特征词的出现频率，这样有助于提高分类的准确性。

【参考文献】：
期刊论文
[1]贝叶斯网络在计算机联锁系统故障诊断中的应用[J]. 王刚,牛宏侠.  电子世界. 2018(05)
[2]朴素贝叶斯算法在文本分类中的应用[J]. 邹晓辉.  数字技术与应用. 2017(12)
[3]基于退化数据的高可靠性产品贝叶斯分类决策[J]. 陈震,潘尔顺.  上海交通大学学报. 2017(01)
[4]基于分类器融合的自动化协商决策模型[J]. 彭艳斌,郑志军,于成波,李吉明.  上海交通大学学报. 2013(04)
[5]贝叶斯决策论[J]. 刘迪.  黑龙江科技信息. 2012(28)



本文编号：3462338