科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于主元分析的旋转森林没有考虑特征的时序相关性,为此,提出一种基于核典型旋转森林的故障诊断方法,以提高非线性动态过程的故障诊断精度。所提方法通过未知非线性映射将随机森林特征投影到高维线性再生核Hilbert空间,利用典型变量分析提取变量的动态相关信息,得到不相关特征。采用核函数解决非线性映射未知的问题,为了避免传统核典型变量分析存在的核矩阵奇异问题,该研究在核主元空间提取典型变量,以训练决策树。该方法考虑了随机森林特征的非线性相关性和动态相关性,增加了决策树之间的差异性,有助于提高故障诊断精度。以田纳西-伊斯曼过程为例对所提方法的有效性进行了验证。
- 单位
