科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的故障诊断方法如主元分析方法与BP神经网络等在复杂非线性系统中存在泛化能力较差、故障识别准确度较低的问题。而孤立森林(iForest)算法使用孤立树划分思想识别异常数据,可适用于非线性系统的状态监测;Adaboost算法是一种基于组合分类思想的提升算法,可通过多个弱分类器的叠加,使整体算法具有较好的泛化能力。因此采用i Forest算法与Adaboost算法建立iForest-Adaboost核电厂一回路故障诊断系统,使用GSE实时仿真平台与福清核电站一号机组仿真数据测试。测试结果表明,iForest算法相比于主元分析与QTA阈值法可以更快识别出系统异常,Adaboost算法相比于BP神经网络与支持向量机方法具有更高的故障识别准确率。
- 单位
