LDA＿SVM方法在化工过程故障诊断中的应用

作者：冀丰偲; 余云松; 张早校^*

来源：高校化学工程学报, 2020, 34(02): 487-494.

• 线性判别分析
• 支持向量机
• 田纳西-伊斯曼
• 故障诊断

针对复杂化工生产过程数据多样性、高维性以及风险重复性的特点,结合网格搜索(GS)与K折交叉验证(K-CV)理论,提出一种基于线性判别分析(LDA)与支持向量机(SVM)相融合的故障诊断方法。首先利用LDA对正常工况和5类故障模式的混合运行数据进行矢量映射,压缩特征空间维度,抽取并重构故障特征信息。将预处理后的数据作为输入样本,利用GS与K-CV得到最佳SVM分类器,实现故障诊断。仿真结果表明,相对于单一SVM和PCA(主元分析)SVM故障诊断模型,LDA与SVM融合故障诊断方法收敛速度快、诊断准确率高、模型健壮,对化工过程6种运行模式的故障识别准确率达到93.9%。

• 单位
  西安交通大学; 动力工程多相流国家重点实验室