科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了有效地提高支持向量机(SVM)对多模态过程的故障检测性能,提出一种基于全局和局部信息融合的SVM多模态过程故障检测方法。运用局部概率密度方法对多模态数据进行预处理,消除多模态数据对工业过程故障检测特性的影响。在密度空间,分别运用主元分析(PCA)和局部保持投影(LPP)算法计算主元,提取数据的全局和局部信息,并将两者融合作为SVM的输入。运用正常和故障数据的全局和局部融合的信息训练SVM模型获得判别分类函数。建立模型之后,SVM能学习正常和故障数据的特性,从而将数据正确分类。将本方法运用于田纳西-伊斯曼多模态过程中,与传统PCA、LPP和SVM方法比较,实验结果进一步验证了本方法的有效性。
- 单位
