复杂机电系统核熵判别分析的异常分类方法

作者：亚森江·加入拉; 高建民; 高智勇; 姜洪权

来源：机械设计与制造, 2019, (08): 8-11.

DOI：10.19356/j.cnki.1001-3997.2019.08.003

• 复杂机电系统
• 核熵判别分析
• 异常模式分类
• TE过程数据

为了解决复杂机电系统的海量数据的复杂性和动态性,以及对故障类型快速而有效地进行分类,提出一种基于信息熵的核熵判别分析—KEDA方法。首先,引入了信息熵的观点以便排除信息冗余后剩余的平均信息量能够保证异常模式的有效分类。其次,利用核熵成分分析对数据进行非线性映射和降维,为此确定基于熵的参数选取方法计算和KEDA算法步骤。从而在降维后的空间进行分类。最后,结合TE过程数据集对算法效果进行验证。通过仿真实验得知,提出的KEDA方法的识别率85%以上,表明KEDA方法比其他方法的有效性和优越性,具有一定的应用价值。

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 新疆大学